Elementos de Algebra Lineal y Geometria M2

Elementos
de lgebra lineal
y geometra
Espacios vectoriales, matrices,
determinantes, espacio afn y eucldeo
Gerard Fortuny Anguera
ngel Alejandro Juan Prez
PID_00151937
FUOC PID_00151937
Elementos de lgebra lineal y geometra
ndice
Introduccin ............................................................................................
Objetivos ...................................................................................................
1. Ejemplo introductorio .....................................................................
2. Espacios vectoriales ..........................................................................
2.1. Vectores en el espacio R ................................................................
2.2. Definicin de espacio vectorial real ............................................... 10

2.3. Combinacin lineal. Subespacio generado .................................... 12
2.4. Dependencia e independencia lineal. Base y dimensin
de un espacio vectorial ................................................................... 13
3. Matrices ............................................................................................... 17
3.1. Concepto de matriz ........................................................................ 17
3.2. Tipos de matrices ........................................................................... 18
3.3. Operaciones con matrices. Matriz inversa ..................................... 20
4. Determinantes ................................................................................... 23
4.1. Determinante asociado a una matriz cuadrada
de orden 2 o 3 ................................................................................. 23
4.2. Determinante asociado a una matriz cuadrada de orden 4
o superior ........................................................................................ 24
4.3. Propiedades de los determinantes .................................................. 27
4.4. Clculo de la matriz inversa ........................................................... 30
4.5. Rango de una matriz. Clculo mediante determinantes ................ 31
4.6. Aplicaciones a los espacios vectoriales ........................................... 35
4.7. Matriz de cambio de base en un espacio vectorial ......................... 36
5. Ecuaciones de rectas y planos ........................................................ 39
5.1. Ecuaciones de una recta en el plano .............................................. 39
5.2. Ecuaciones de una recta en el espacio ............................................ 41
5.3. Ecuaciones de un plano en el espacio ........................................... 42
6. Producto escalar y ortogonalidad ................................................ 44
6.1. Producto escalar, mdulo de un vector y ngulo
entre vectores .................................................................................. 44
6.2. Vectores y bases ortogonales en Rn ................................................ 46
6.3. Proyecciones ortogonales ............................................................... 49
6.4. Proceso de ortogonalizacin de Gram-Schmidt ............................. 51
FUOC PID_00151937
Resumen .................................................................................................... 54
Ejercicios de autoevaluacin ............................................................... 55
Solucionario ............................................................................................. 60
Glosario ..................................................................................................... 73
Bibliografa .............................................................................................. 74
FUOC PID_00151937
Introduccin
Este mdulo est dedicado a la revisin de conceptos y mtodos fundamentales de lgebra lineal y geometra, conceptos y mtodos que sern necesarios en
el estudio y comprensin de otros mdulos posteriores.
Entre los fundamentos conceptuales que se revisan en el presente mdulo estn los de espacio y subespacio vectorial, combinacin lineal, independencia
lineal, dimensin, matrices, determinantes, y ecuaciones de rectas y planos en
el espacio y algunos conceptos bsicos de la geometra mtrica (producto escalar, ortonormalidad, ngulos y distancias)
Los conceptos anteriores se aplican en mbitos diferentes: en programacin,
por ejemplo, se usa la terminologa de arrays unidimensionales para denotar a
los vectores y de arrays bidimensionales para referirse a las matrices; las ecuaciones de rectas y planos en 2D y 3D, as como las propias matrices, juegan un
papel relevante en el mbito de la informtica grfica; en el mbito de las redes
de telecomunicaciones, la teora de matrices sirve como fundamento a la teora de deteccin y correccin de errores (control de paridad, cdigos lineales,
etc.); tambin se utilizan matrices en teora de grafos, criptografa, etc.
El mdulo se presenta desde un enfoque netamente prctico, por lo que se incluyen ejemplos que ilustran los conceptos introducidos, as como outputs de
diferentes programas matemticos que se pueden utilizar a la hora de agilizar
o revisar los clculos.
FUOC PID_00151937
Objetivos
El objetivo general de este mdulo es revisar los conceptos y mtodos bsicos

del lgebra lineal y de la geometra.
En particular, los objetivos docentes que se pretenden lograr con este mdulo
son los siguientes:
1. Revisar los conceptos asociados al de espacio vectorial: independencia lineal, sistema generador, base, dimensin, etc.
2. Revisar la teora bsica sobre matrices y determinantes (operaciones con
matrices, clculo de la matriz inversa, rango de una matriz, clculo y propiedades de los determinantes, etc.).
3. Revisar las ecuaciones de las rectas en 2D y 3D, as como las ecuaciones de
los planos en 3D.
4. Revisar y ampliar los conceptos de producto escalar y ortogonalidad de vectores en Rn.
5. Descubrir cmo el software matemtico en general puede ser de utilidad
para: (a) experimentar con los conceptos principales de este tema, y (b) automatizar los clculos y operaciones.
6. Explorar algunas de las mltiples aplicaciones que tiene la teora de matrices en mbitos como el informtico y el de las telecomunicaciones.
FUOC PID_00151937
1. Ejemplo introductorio
Consideremos una red de rea local (LAN) compuesta por varios ordenadores
servidores y varias decenas de ordenadores cliente. En cada jornada, el estado
de la LAN (en funcin del estado de los servidores) puede ser cualquiera de los
siguientes:
Estado A la LAN funciona correctamente ya que ningn servidor est
cado.
Estado B la LAN funciona con algn problema, ya que algn servidor ha
cado (el resto de servidores suplen su funcin).
Estado C la LAN no funciona, ya que todos los servidores han cado.
A partir del histrico de observaciones de los ltimos seis meses, se ha obtenido la siguiente tabla o matriz. En ella se muestran las probabilidades de que la
red pase de un estado X a otro Y de un da para otro (se supone que las condiciones de administracin, uso y mantenimiento de la LAN permanecen constantes durante ese perodo y seguirn as durante, como mnimo, otros seis
meses):
Hoy (da n)
Maana (da n 1)
Estado A
Estado B
Estado C
Estado A
3/4
1/2
1/4
Estado B
1/8
1/4
1/2
Estado C
1/8
1/4
1/4
En otras palabras: si hoy la LAN se encuentra en estado A, la probabilidad de

que maana pase a estar en estado C es de 1/8; si hoy est en estado C, la probabilidad de que maana pase a estar en estado B es de 1/2, etc.
El administrador de la LAN nos adelanta que el estado actual de la misma puede ser el B o el C con igual probabilidad. Es decir: P(A) = 0, P(B) = P(C) = 1/2.
Cul es la probabilidad de que la LAN est funcionando correctamente maana? Y dentro de dos das? Y dentro de una semana?
Las preguntas de este ejemplo

se razonan y responden en el
solucionario del final del mdulo.
FUOC PID_00151937
2. Espacios vectoriales
El concepto de vector aparece usualmente en diversos contextos matemticos,

fsicos, de la economa o de la ingeniera. En los apartados siguientes se presenta
una definicin genrica de vector y de espacio vectorial real pero antes vamos a
revisar las descripciones geomtricas de los espacios de vectores de Rn.
Recordad
2.1. Vectores en el espacio Rn

Vectores de R2
Dado un sistema de coordenadas rectangulares en el plano sabemos que un
punto P est determinado por un par ordenado (p1, p2) R2. Por tanto podemos considerar a R2 como el conjunto de puntos del plano.
Dados dos puntos en R2, P(p1, p2) y Q(q1, q2) se define el vector v = PQ como
el segmento orientado que tiene origen en P y fin en Q. El vector v = PQ tiene
por componentes o coordenadas v = PQ = (q1 p1, q2 p2). Vase figura 1.

Figura 1
Ejemplo 1
Dados los puntos P(5, 5) y Q(7, 2) el vector PQ es el vector de origen en P
y extremo en Q, i.e.: PQ = (7, 2) (5, 5) = (2, 3).
Por otra parte, el vector QP tiene origen en Q y extremo en P, i.e.: QP =
= (5, 5) (7, 2) = (2, 3) = (2, 3) = PQ .

Su representacin nos muestra que ambos vectores tienen la misma longitud y direccin, pero son de sentido opuesto.
R2 = R R, con R el conjunto
de los nmeros reales:
Rn = R ...n... R
Nota
Consideraremos que dos vectores son iguales si tienen la
misma longitud, la misma direccin y el mismo sentido,
esto es las mismas coordenadas. En este caso hablamos de
vectores libres. Un vector libre
viene determinado nicamente por las coordenadas y para
representarlo en el plano ser
suficiente elegir el punto origen o el punto fin.
FUOC PID_00151937
Vectores de R3
Generalizando lo anterior a R3, consideramos a ste como el conjunto de todos los puntos del espacio representados en un sistema de coordenadas rectangulares del espacio, vase figura 2. Los vectores de R3 son triplas v = (v1, v2, v3)
donde un vector viene dado por sus tres coordenadas y se representa como un
segmento orientado con origen en un punto P(p1, p2, p3) de R3 y extremo en
otro punto Q(q1, q2, q3), de manera que v1 = q1 p1 , v2 = q2 p2 y v3 = q3 p3.
Figura 2
Ejemplo 2
Dados los puntos P(2, 3,1) y Q(3, 1 ,0) el vector PQ es el vector de origen
en P y extremo en Q, i.e.: PQ = (3,1,0) (2,3,1) = (5,4,1).
El vector QP es:
QP = (2,3,1) (3,1,0) = (5,4,1) = (5,4,1) = PQ
Generalizando las descripciones geomtricas de los vectores de R2 y R3 definimos los vectores de Rn.
Dados dos puntos en Rn, P(p1, p2, ..., pn) y Q(q1, q2, ..., qn), se define el
vector v = PQ como el segmento orientado que tiene origen en P y fin
en Q. El vector PQ tiene por componentes o coordenadas:
v = PQ = Q P = (q1, q2, ..., qn) (p1, p2, ..., pn) = (q1 p1, q2 p2, ..., qn pn)
FUOC PID_00151937
10
Dados dos vectores en Rn, u = (u1, u2, ..., un) y v = (v1, v2, ..., vn), y un
nmero k R, se definen las siguientes operaciones:
Suma de vectores: u v = (u1 v1, u2 v2, ..., un vn)
Observar que (u v) Rn
Producto de un vector por un escalar: k u = (k u1, k u2, ..., k un)
Observar que (k u) Rn
Ejemplo 3
Dados los vectores v = (1, 1) y u = (3, 1), su suma da como resultado:
v u = (1 3, 1 1) = (4, 2).
Dado el vector v = (2, 3) y el nmero real k = 3, el producto da como resultado: 3 v = (3 2,3(3)) = (6, 9).
Ejemplo 4
Dados los vectores v = (1, 1, 0) y u = (3, 1, 1), su suma da como resultado:
v u = (1 3, 1 1, 0 1) = (4, 2, 1).
Dado el vector v = (2, 3, 1) y el nmero real k = 3, el producto da como
resultado: 3 v = (3 2, 3 (3), 3 1) = (6, 9, 3).
2.2. Definicin de espacio vectorial real

En el apartado anterior hemos considerado el conjunto de vectores Rn (n 1)
y se han definido sobre l dos operaciones: la suma de vectores () y el producto de un vector por un escalar (). Dichas operaciones cumplen determinadas
propiedades (asociatividad, conmutatividad, existencia de elemento neutro,
etc.), y dotan al conjunto Rn de una estructura especial que se denomina espa-
cio vectorial. En este apartado, generalizaremos dicho concepto:

Dado un conjunto V y dos operaciones definidas en l, la suma de elementos de V () y el producto de un elemento de V por un nmero real
(), la combinacin (V, , ) se llama espacio vectorial real si se verifican las siguientes propiedades u, v, w V, k, h R:
Suma
Asociativa: (u v) w = u (v w)
Conmutativa: u v = v u
Existencia de elemento neutro: 0 V tal que u 0 u 0 u
Existencia de elemento opuesto: dado u V, v V tal que
uv=0=vu
Recordad
u V se lee u pertenece
al conjunto V.
u, v, w V significa Para
todo u, v, w que pertenecen
a V.
k, h, w R significa Para
todo k, h, w que pertenecen
a V.
0 V se lee Existe 0 que
pertenece a V.
FUOC PID_00151937
11
Producto
Distributiva I: k (u v) = k u k v
Distributiva II: (k h) u = k u h u
Asociativa: k (h u) = (k h) u
Existencia de elemento neutro: 1 u = u
A los elementos de un espacio vectorial se les suele llamar vectores.
Ejemplo 5. De espacios vectoriales reales

1) Dado n 1, (Rn, ,) es un espacio vectorial real. En particular, (R2, ,) es
el espacio de los vectores del plano y (R3, ,) es el espacio de los vectores
del espacio.
2) Dado n 1, (Rn[x], ,) es un espacio vectorial real, siendo Rn[x] el conjunto de polinomios de grado menor o igual a n, () la suma de polinomios
y () el producto de un polinomio por un nmero real.
3) Dado un intervalo I R, (CI(x), , ) es un espacio vectorial real, siendo
CI(x) el conjunto de funciones reales continuas definidas en I, () la suma

de funciones y () el producto de una funcin por un nmero real.
Proposicin: Sea (V, , ) un espacio vectorial real. u V y k R se
cumple:
a) 0 u = 0
b) (1) u = u
c) k 0 = 0
d) k u = 0 {k = 0 o u = 0}
Subespacio vectorial
Considrese el espacio vectorial real (R 3, , ) y el subconjunto no vaco
W = {(x, y, z) R3 / z 0} (es decir, W es el plano xy de R3). Pues bien, la estructura (W, , ) verifica que tanto la suma de dos elementos de W, como el
producto de un escalar por un elemento de W dan como resultado un nuevo
elemento de W. Se dice entonces que (W, , ) es un subespacio vectorial de
(R3, , ). Ms generalmente:
Sea (V, , ) un espacio vectorial real, se dice que (W, , ) es un subespacio vectorial de (V, , ) si se cumplen las siguientes condiciones:
1) W V
2) u, w W, u w W
3) u W, k R, k u W
En tal caso, se suele usar la notacin W V.
12
FUOC PID_00151937
Otro ejemplo de subespacio vectorial de (R3, , ) lo encontramos en el conjunto W {( x, y , z) R 3 x y z = 0} y su representacin geomtrica es

tambin un plano de R3. (Sin embargo un plano de R3 que no pasase por el
origen no es un subespacio de R3 ya que no contendra el vector (0, 0, 0)).
2.3. Combinacin lineal. Subespacio generado

En este apartado veremos una de las formas ms comunes de obtener subespacios vectoriales.
Sea (V, , ) un espacio vectorial real, se dice que el vector v V es combinacin lineal de los vectores u1, u2, ..., un de V si existen k1, k2, ..., kn
nmeros reales tales que:
v k1 u1 k2 u2 ... kn un
Ejemplo 6
En (R2, , ), el vector (1, 3) es combinacin lineal de los vectores (1, 0)
y (0, 1), ya que:
(1, 3) = 1 (1, 0) (3) (0, 1).
En (R3, , ), el vector (2, 3, 1) es combinacin lineal de los vectores (1, 0, 0),
(0, 3, 1) y (0, 0, 1), ya que:
(2, 3, 1) = 2 (1, 0, 0) (1) (0, 3, 1) 2 (0, 0, 1).
Se demuestra que dado un conjunto de vectores {u1, u2, , un}, el conjunto formado por todas sus posibles combinaciones lineales es un subespacio vectorial.
Sea (V, , ) un espacio vectorial real y {u1, u2, ..., un} un conjunto de
vectores de V. Se llama espacio vectorial generado por {u1, u2, ..., un},
al subespacio vectorial de V formado por todas las combinaciones lineales que se pueden formar con los vectores {u1, u2, ..., un}, i.e.:
k u1, u2, ..., un l = { k1 u1 k2 u2 ... kn un / ki R i 1, 2, ..., n}.
El conjunto {u1, u2, ..., un} constituye un sistema generador del espacio
vectorial k u1, u2, ..., un l.
Ejemplo 7
Dados los vectores (1, 1, 3) y (2, 5, 6) de R3, el espacio vectorial que generan es:
k(1, 1, 3), (2, 5, 6)l = { k (1, 1, 3) h (2, 5, 6) / k, h R } =
= { k 2h, k 5h, 3k 6h) / k, h R }.
13
FUOC PID_00151937
Ejemplo 8
El conjunto de vectores {(1, 0, 0), (0, 1, 0), (0, 0, 1), (1, 1, 0)} constituye un
sistema generador de R3, ya que dado cualquier u = (u1, u2, u3) R3, se tiene
que:
u = u1 (1, 0, 0) u2 (0, 1, 0) u3 (0, 0, 1) 0 (1, 1, 0)
Por tanto, k(1, 0, 0), (0, 1, 0), (0, 0, 1), (1, 1, 0)l = R3
Observar que tambin se cumple: K(1, 0, 0), (0, 1, 0), (0, 0, 1)l = R3
2.4. Dependencia e independencia lineal. Base y dimensin

de un espacio vectorial
Dado un espacio vectorial y un conjunto de vectores, se dice que stos son linealmente dependientes si uno de ellos se puede expresar como combinacin
lineal de los restantes. En caso contrario, los vectores son linealmente independientes. Ms formalmente:
Sea (V, , ) un espacio vectorial real y {u1, u2, ..., un} un conjunto de vectores de V. Los vectores u1, u2, ..., un son linealmente dependientes si
existe algn i {1, 2, ..., n} tal que ui se puede expresar como combinacin lineal del resto de vectores, i.e.:
ui = k1 u1 ... ki1 ui1 ki1 ui1 ... kn un .
i.e.: la ecuacin k1 u1 k2 u2 kn un 0 tiene una solucin no
trivial
Por el contrario, u1, u2, ..., un son linealmente independientes si no se
cumple la condicin anterior, i.e.: si dada la ecuacin
k1 u1 k2 u2 ... kn un = 0, tiene slo la solucin trivial ki = 0 i = 1, 2, ..., n.
Ejemplo 9
Los vectores (3, 3, 2), (1, 1, 1) y (2, 2, 3) son linealmente dependientes, ya
que el vector (3, 3, 2) se puede escribir como combinacin lineal de los
otros dos. En efecto, observar que tomando k h 1 es cierta la ecuacin:
(3, 3, 2) k (1, 1, 1) h (2, 2, 3) (k 2h, k 2h, k 3h)
Ejemplo 10
Los vectores (1, 0) y (0, 1) son linealmente independientes. En efecto, si
consideramos la ecuacin:
k (1, 0) h (0, 1) = (0, 0)

se tiene que (k, 0) (0, h) = (k, h) = (0, 0), de donde k = h = 0.
FUOC PID_00151937
14
Se define el rango de un conjunto de vectores como el nmero mximo de vectores de dicho conjunto que son linealmente independientes.
Ejemplo 11
El conjunto de vectores {(1, 0, 0), (0, 1, 0), (0, 0, 1)} tiene rango 3, ya que
los tres vectores son linealmente independientes.
slo hay dos vectores linealmente independientes (el tercer vector es la
suma de los dos primeros).
slo hay un vector linealmente independiente (los vectores segundo y tercero son mltiplos del primero).
Podemos comprobar el resultado anterior con ayuda de software matemtico:
Figura 3
Sea (V, , ) un espacio vectorial real y B = {u1, u2, ..., un} un conjunto
de vectores de V tal que:
1) B es sistema generador de V.
2) B est formado por vectores linealmente independientes.
En tal caso, se dice que B es una base de V, y que la dimensin de V es n
(dim V n).
Nota
Esta definicin tiene sentido
porque se puede demostrar
que todas las bases de V tienen
el mismo nmero de vectores.
15
FUOC PID_00151937
Ejemplo 12
El conjunto B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es sistema generador de R3 y,
adems, los vectores de B son linealmente independientes. Por tanto, B es
una base de R3 y la dimensin de este espacio vectorial es 3. Otra de las
muchas bases de R3 sera, por ejemplo, B' = {(1, 1, 0), (0, 2, 0), (1, 0, 4)}.
En Rn, el conjunto de n vectores B = {(1, 0, ..., 0), (0, 1, ..., 0), (0, 0, ..., 1)}
es una base especial llamada base cannica. Tambin se suele usar la
notacin: e1 (1, 0, ..., 0), e2 (0, 1, ..., 0), ..., en (0, 0, ..., 1).
Proposicin. Sea (V, , ) un espacio vectorial real de dimensin n.

1) Todo sistema generador de V estar compuesto por un mnimo de n
vectores.
2) Todo conjunto linealmente independiente estar compuesto por un
mximo de n vectores.
3) n vectores linealmente independientes constituyen una base.
4) Un sistema generador de V formado por n vectores es una base.
Ejemplo 13
En R3, el conjunto de vectores {(1, 0, 1), (2, 3, 1)} no puede ser un sistema generador de todo R3, ya que la dimensin de R3 es 3 y, por tanto, cualquier sistema generador de dicho espacio deber estar compuesto por 3 o ms vectores.
Por otra parte, los vectores {(1, 0, 1), (2, 3, 1), (0, 1, 1), (0, 1, 3)} no pueden ser
linealmente independientes, ya que, al ser la dimensin del espacio 3, ningn
conjunto con ms de 3 vectores cumplir la condicin de independencia lineal.
Ejemplo 14
En R3, el conjunto de vectores {(1, 0, 1), (0, 3, 1), (1, 1, 0)} constituyen una
base, ya que son 3 vectores linealmente independientes. Por otra parte, el
conjunto de vectores {(1, 0, 0), (0, 0, 1), (1, 1, 0)} constituye una base, ya
que es un sistema generador de todo R3 compuesto por 3 vectores.
Coordenadas de un vector en una base
El concepto de base de un espacio vectorial V permite definir un sistema de
coordenadas de V. La clave para poder definirlo es el siguiente teorema de representacin nica de un vector en una base:
Teorema. Sea B = {u1, , un} una base del espacio vectorial real V. Se
demuestra que para cada vector v de V existe un nico conjunto de
nmeros reales c1, , cn tales que
v c1 u1 cn un
c1, , cn se llaman coordenadas de v en la base B.
Nota
El sistema de coordenadas nos
permite pensar cualquier espacio vectorial como si fuera Rn,
ya que un vector, dada una
base, viene determinado por n
nmeros.
FUOC PID_00151937
16
Ejemplo 15
Dada la base B = {(1, 0), (2, 1)} de R2 las coordenadas del vector (2, 3)
de R2 en la base B son c1, c2 R2 tales que (2, 3) = c1 (1, 0) + c2 (2, 1)
(c1 2c2, c2). Por tanto c1 = 8 y c2 = 3. Es decir, las coordenadas de (2, 3)
en la base B son 8 y 3.
Obsrvese que las coordenadas de (2, 3) en la base cannica de R2 son precisamente 2 y 3.
Dimensin de un subespacio
La definicin de base de un espacio vectorial se generaliza a subespacios:
Sea W un subespacio de un espacio vectorial V. Un conjunto de vectores

de W, B = {u1, , up}, es una base del subespacio W si y slo si:
1) B es un sistema generador de W
2) B es un conjunto linealmente independiente
Se llama dimensin del subespacio (dimW ) al nmero de vectores de
una base.
17
FUOC PID_00151937
3. Matrices
3.1. Concepto de matriz

En la resolucin de muchos problemas usamos sistemas de ecuaciones lineales
como, por ejemplo:
x 4y z 4
x 3y 2 z 4
2x 2y 4
Un sistema de ecuaciones lineales como el anterior puede representarse de una

manera ms cmoda, y sin que ello suponga prdida de informacin alguna,
mediante una tabla o matriz formada por los coeficientes de las incgnitas y
por los trminos independientes de cada ecuacin:
4 1
1 3
2 2
2
0
4
4
Esta tabla o matriz podra representar tambin otro tipo de informacin como,
por ejemplo, un conjunto de 4 vectores en R3:
v1 = (1, 1, 2), v2 = (4, 3, 2), v3 = (1, 2, 0), v4 = (4, 4, 4)
Observar que, en todo caso, la tabla o matriz anterior est compuesta por 12
elementos distribuidos en 3 filas (horizontales) y 4 columnas (verticales).
En general, una matriz A es una tabla compuesta por m n elementos

distribuidos en m filas (horizontales) y n columnas (verticales):
a11 a12
a21 a22
A

am1 am2
a1n
a2 n

amn
fila 1
fila 2
fila m
columna n
columna 2
columna 1
La matriz A tambin se suele representar por (aij), donde aij hace referencia al elemento que ocupa la fila i (1 i m) y la columna j (1 j n).
Una forma usual de decir que la matriz A tiene m filas y n columnas, es
decir que la dimensin o tamao de A es m n.
FUOC PID_00151937
18
Ejemplo 16
3 1 2
La matriz A aij
es de dimensin 2 3, i.e.: est compuesta
4 2 5
por 2 filas y 3 columnas. Se cumple adems que: a23 = 5 y a12 = 1.
Dadas dos matrices A y B, se dice que son iguales si, y slo si, tienen la
misma dimensin y los elementos que ocupan el mismo lugar en ambas
son iguales.
Ejemplo 17
3 b c
d 7 4
Las matrices A
y B
son iguales si, y slo si, se
a 1 8
2 e g
cumple que: a 2, b 7, c 4, d 3, e 1 y g 8.
Dadas una matriz A, se llama matriz traspuesta de A, At, a aquella matriz que se obtiene al permutar en A las filas por las columnas (es decir,
la primera fila de A pasar a ser la primera columna de At, la segunda
fila de A pasar a ser la segunda columna de At, etctera).
Ejemplo 18
3 1
3 2 1
t
Si A
,
entonces
A
2 1 .
1
1
8
1 8
Observar que:
a) At A .
t
b) A tiene dimensin 2 3 mientras que At tiene dimensin 3 2.
3.2. Tipos de matrices
Dada una matriz A de dimensin m n, se dice que:

A es una matriz fila si tiene una nica fila (es decir, m = 1).
A es una matriz columna si tiene una nica columna (es decir, n = 1).
A es una matriz nula si todos sus elementos son 0.
19
FUOC PID_00151937
A es una matriz cuadrada de orden n si tiene el mismo nmero de

filas que de columnas (es decir, m = n). En tal caso, se llama diagonal
principal de A al conjunto formado por todos los elementos de la
forma aii:
a11 a12
a
a22
A 21

a
a
n1 n 2
a1n
a2 n

ann
.
diagonal principal
A es una matriz cuadrada simtrica si A = At

(es decir, aij = aji 1 i, j n).
A es una matriz cuadrada diagonal si todos sus elementos fuera de
la diagonal principal son 0 (es decir, aij = 0 i j).
A es una matriz cuadrada identidad de orden n si es una matriz
diagonal siendo todos los elementos de su diagonal principal iguales a 1 (es decir, aij = 0 i j y aii = 1 1 i n).
A es una matriz cuadrada triangular superior si todos sus elementos situados por debajo de la diagonal principal son 0 (es decir, aij = 0 i j).
A es una matriz cuadrada triangular inferior si todos sus elementos situados por encima de la diagonal principal son 0 (es decir, aij = 0 i j).
Ejemplo 19
Matrices fila:
02 x3
4 1
1

8
1

2
1

0 0 0
0 0 0
0 0 0
03 0 0 0
0 0 0
0 1
2 1
1 0 5
0 2 2
4 0 1
0 1
1 3
1 0 4
0 2 2
4 2 1
Matrices columna:
Matrices nulas:
Matrices cuadradas:
Matrices cuadradas simtricas:
20
FUOC PID_00151937
0 0
0 3
1 0 0
0 2 0
0 0 1
1 0
I2
0 1
1 0 0
I3 0 1 0
0 0 1
Matrices de tipo triangular superior:
1 4
0 2
1 5 3
0 2 1
0 0 2
Matrices de tipo triangular inferior:
1 0
3 2
5 0 0
1 1 0
2 0 3
Matrices cuadradas diagonales:
Matrices identidad:
3.3. Operaciones con matrices. Matriz inversa
Suma de matrices
Para sumar (o, alternativamente, restar) dos matrices, A = (aij) y B = (bij),

es necesario que ambas tengan la misma dimensin, en cuyo caso se suman trmino a trmino, i.e.:
A B = C = (cij)
siendo
cij = aij bij, i,j
Ejemplo 20
a b
d e
c 1 2 3 a 1 b 2
4 5 6 d 4 e 5
c3
La suma de matrices verifica las siguientes propiedades:

1) Es asociativa: (A B) C = A (B C)
2) Es conmutativa: A B = B A
3) Existe elemento neutro: A 0 = 0 A = A
4) Existe elemento opuesto: A (A) = (A) A = 0, donde A = (aij) y A = (aij)
Producto de un nmero por una matriz
Para multiplicar un nmero k R por una matriz, A = (aij), se multiplica

el nmero por cada uno de los elementos de la matriz, i.e.:
k A = C = (cij)
siendo
cij = k aij, i,j
21
FUOC PID_00151937
Ejemplo 21
k 3
1
0 k 1

1 k 3
2 k ( 1)
k0
k 1
k2
El producto de un nmero (escalar) por una matriz verifica las siguientes propiedades:
1) k (A B) = k A k B
2) (k h) A = k A h A
3) k (h A) = (k h) A
4) 1 A = A 1 = A
essent k, h R
Producto de dos matrices
Para multiplicar una matriz A = (aij) por otra B = (bij), es necesario que
el nmero de columnas de A coincida con el nmero de filas de B, en
cuyo caso se obtiene una nueva matriz, C = (cij), con tantas filas como
A y tantas columnas como B, y cuyos elementos vienen dados por la expresin:
cij = ai1 b1j ai2 b2j ... ain bnj
Ejemplo 22
a b
Si A
d e
0 1 1
c
y B 3 2 2 , se puede calcular el producto de A
3 3 1
por B, ya que el nmero de columnas de A coincide con el nmero de filas

de B. El resultado ser una matriz de dimensin 2 3:
a0 b3 c3 a1 b( 2) c( 3) a( 1) b2 c1
AB
d0 e3 3 d1 e( 2) ( 3) d( 1) e2 1
Observar, sin embargo, que no es posible calcular el producto de B por A, ya
que el nmero de columnas de B no coincide con el nmero de filas de A.
El producto de matrices verifica las siguientes propiedades:
1) Es asociativo: (A B) C = A (B C).
2) No es conmutativo: A B B A.
3) Si A es una matriz cuadrada de orden n, se cumple que: A In In A A,
donde In es la matriz identidad de orden n.
FUOC PID_00151937
22
4) Si A es una matriz cuadrada de orden n, no siempre existe otra matriz

B tal que A B B A In. Cuando exista dicha B, sta se llamar matriz
inversa de A y se denotar por A1. Una matriz que no tenga inversa se
llama matriz singular.
5) Es distributivo con respecto a la suma: A (B C) A B A C y
(A B) C A C B C.
Ejemplo 23
Figura 4
Nota
Estos outputs ilustran el uso de
los programas Mathcad y Wiris
para realizar operaciones bsicas en matrices.
23
FUOC PID_00151937
4. Determinantes
En este captulo presentamos el concepto de determinante, diferentes tcnicas

para su clculo e importantes aplicaciones al estudio de las matrices i de los
espacios vectoriales.
4.1. Determinante asociado a una matriz cuadrada

de orden 2 o 3
Toda matriz cuadrada A de orden n 1 tiene asociado un nmero concreto, al cual llamaremos determinante de A, y que se suele denotar
por det(A) o bien por A.
Nota
No se debe confundir una matriz (que es una tabla de nmeros) con su determinante
asociado, el cual es un simple
nmero.
Cuando n = 1, A = (a11) y Aa11 a11

a11 a12
a11 a12
Cuando n = 2, A =
a11 a22 a12 a21
y a
a22
21
a21 a22
a11 a12
Cuando n = 3, A = a21 a22
a
31 a32
a11
a12
a21 a22
a31 a32
a13
a23 y
a33
a13
Observacin
a23 a11 a22 a33 a21 a32 a13 a31 a23 a12
a33
a13 a22 a31 a23 a32 a11 a33 a21 a12
La conocida regla de Sarrus es un buen recurso nemotcnico para el clculo de

determinantes de orden 3, a continuacin recordamos su grfico:
a11
a12
a21 a22
a31 a32
a13
a11
a12
a23 a21 a22

a33 a31 a32
a12
a13
a23 a21 a22

a33 a31 a32
a13
a11
a23
a33
Para n > 3 el clculo de determinantes no es tan inmediato y se han de utilizar

algunos conceptos adicionales que se explicarn ms adelante.
Ejemplo 24
1 2
= 1 3 0 (2) = 3
0 3
Mientras que los elementos de

una matriz se encierran entre
dos corchetes o parntesis, los
de un determinante se encierran entre dos lneas verticales.
24
FUOC PID_00151937
3 4
= 2 (4) 5 3 = 8 15 =23
2 1 2 2 (1) 1 3 2 0 1 (2) (1) 0 (1)

0 1 1
1 (1) 2 2 1 (2) 3 10
3 2
4 1
1
5
1 (2) 5 3 (1) (3) 4 4 1

[(3) (2) 4 1 ( 1) 1 3 4 5]
= 10 9 16 [24 (1) 60] = 15 83 = 68
4.2. Determinante asociado a una matriz cuadrada de orden 4

o superior
Cuando se pretenda hallar el determinante asociado a una matriz cuadrada de

orden n > 3, ser necesario recurrir al concepto de adjunto de un elemento:
a11 a12
a21 a22
Dada la matriz cuadrada A

an1 an2
a1n
a2 n
, llamaremos adjunto

ann
de un elemento aij, denotado Aij, al nmero siguiente:

a) El determinante que resulta de eliminar la fila i y la columna j de la
matriz.
b) Un signo que preceder al determinante y que ser:
si i j par
.
si i j impar
i. e.: (1)ij
Observar, por tanto, que el signo asociado a cada adjunto depender de la posicin inicial del elemento aij segn el esquema siguiente:

.

25
FUOC PID_00151937
Ejemplo 25
a11 a12
Dada una matriz cuadrada de orden n = 3, A a21 a22
a
31 a32
a13
a23 , el adjunto
a33
asociado al elemento a21 se obtendr de la siguiente manera:

1) Se considera el determinante resultante tras eliminar la fila 2 y la columna 1:
a11 a12
a21 a22
a
31 a32
a13
a23
a33
2) Se tiene en cuenta el signo segn la posicin: en este caso 2 1 = 3 impar,

por lo que el signo ser negativo.
En definitiva, A21
a12
a13
a32
a33
Ejemplo 26
a11 a12
a
a
Dada una matriz cuadrada de orden n = 4, A 21 22
a31 a32
a41 a42
a13
a23
a33
a43
a14
a24
,
a34
a44
se tiene que:
A11
a22
(1)11
a32
a42
a23
a33
a43
a21 a22
A13 (1)13 a31 a32
a41 a42
a21 a23
a24
a34 , A12
a44
(1)12
a31 a33
a41 a43
a24
a34 ,
a44
a24
a34 etctera.
a44
Proposicin. Es posible calcular el determinante de una matriz cuadrada A, de orden n, a partir de los adjuntos de una fila o de una columna.
En efecto:
A = ai1 Ai1 ai2 Ai2 ... ain Ain
Desarrollo por adjuntos de la fila i
o tambin:
A = a1j A1j a2j A2j ... anj Anj
Desarrollo por adjuntos de la columna j
26
FUOC PID_00151937
Ejemplo 27
Calculemos, usando adjuntos, el determinante de la matriz de orden 3:

2 3 1
A 2 1 2
0 1 1
Desarrollando por adjuntos de la fila 1:

2 3 1
1 2
2 2
2 1
2 1 2 2
3
1
2(1) 3( 2) 1(2) 10 .
1 1
0 1
0 1
0 1 1
alternativamente, desarrollando por adjuntos de la columna 1:
2 3 1
1 2
3 1
3 1
2 1 2 2
( 2)
0
2(1) 2(4) 0(7) 10.
1 1
1 1
1 2
0 1 1
Ejemplo 28
Calculemos el determinante de la matriz de orden 4:

1
0
A
2
0 1 1
0 1 0
1 1 1
2 0 1
Desarrollamos por adjuntos de la fila 2 (siempre es conveniente elegir la fila

o columna con ms ceros, ya que as se simplifican los clculos):
1 0 1 1
0 0 1 0
2 1
0 2
1
0
1
1
= 0 A21 0 A22 1 A23 0 A24 A23
A23
(1)23
1 0 1
2 1 1 3
0 2 1
Por tanto:
1 0 1 1
0 0 1 0
2 1
0 2
1
0
1
1
(3) 3.
FUOC PID_00151937
27
Podemos usar cualquier software matemtico para comprobar el resultado

obtenido, en la figura 5 podis ver pantallas de Maple, Mathcad y Wiris,
respectivamente :
Figura 5
4.3. Propiedades de los determinantes
Las siguientes propiedades pueden resultar de suma utilidad a la hora de calcular determinantes de cualquier orden:
1) El determinante de una matriz es igual al de su traspuesta.
Ejemplo 29
1 2 3 1 1 0
1 0 0 2 0 0 2
0 0 1 3 0 1
2) Si se parte de un determinante inicial y se intercambian de posicin

dos lneas (dos filas o dos columnas), el valor del nuevo determinante
no cambia en valor absoluto, pero s en signo.
28
FUOC PID_00151937
Ejemplo 30
1 2 3
1 2 3
0 0 1 1 0 0
1 0 0
0 0 1
1 2 3
1 2 3
en efecto: 0 0 1 2 y 1 0 0 2
1 0 0
0 0 1
3) Si un determinante tiene dos lneas (filas o columnas) iguales o proporcionales, su valor es 0.
Ejemplo 31
Nota
1 2 3
1 2 3 0 (la F1 y la F2 son iguales)
1 0 0
1 2 3
1 2 3 0 (la C1 y la C2 son proporcionales)
1 2 0
4) Si un determinante tiene una lnea (fila o columna) toda de ceros, su

valor es 0.
Ejemplo 32
1 2 3
0 0 0 0
1 4 3
(todos los elementos de la F2 son ceros)
5) Multiplicar un determinante por un nmero es equivalente a multiplicar cualquier lnea (fila o columna) por dicho nmero.
Ejemplo 33
1 2 3 1 2 32
1
2
3
2 0 0 1 0 0 1 2 2 0 2 0 2 1
1 0 0 1 0 02
1
0
0
F1 significa fila 1.
C1 significa columna 1.
29
FUOC PID_00151937
6) Si todos los elementos de una lnea (fila o columna) estn formados

por dos sumandos, dicho determinante se puede descomponer como
suma de dos determinantes.
Ejemplo 34
2 45 3 2 4 3 2 5 3
0 33 2 0 3 2 0 3 2
0 1 2 5 0 1 5 0 2 5
7) Si los elementos de una lnea (fila o columna) son combinacin lineal de las otras, entonces el determinante vale 0.
Ejemplo 35
1 3 2 1 3
2 0 2 2 0 0 (la C2 es combinacin lineal de la C1 y la C3)
3 1 23 1
8) Si a los elementos de una lnea (fila o columna) se le suman los elementos de otra lnea previamente multiplicados por un nmero, el valor del determinante no vara. Anlogamente, por extensin, si a una
lnea se le suma una combinacin lineal de las otras.
Ejemplo 36
1 5 3 1 5 2 1 3
2 3 0 2 3 22 0
3 4 1 3 4 23 1
9) El determinante de un producto de matrices es el producto de los determinantes de cada una de ellas, i.e.:A B = A B
Ejemplo 37
2 0
A
,
3 1
0 1
B
,
1 1
0 2
AB
A = 2, B = 1, A B
1 4
y efectivamente,A B22 () =A B
30
FUOC PID_00151937
4.4. Clculo de la matriz inversa
Al estudiar las propiedades del producto de matrices, se coment lo siguiente:

a) Dada una matriz cuadrada de orden n, A, no siempre existir otra matriz B
tal que A B = B A = In (siendo In la matriz identidad de orden n).
b) Cuando exista dicha B, sta se llamar matriz inversa de A y se denotar
por A1.
c) Una matriz que no tenga inversa se llama matriz singular.
Proposicin. Una matriz cuadrada A es no singular (i.e., A tiene inversa) si, y slo si, su determinante es no nulo. En tal caso, se cumple que:
A 1
adj( A)
A
donde adj(A) es la matriz que se obtiene tras sustituir cada elemento de

A por su adjunto correspondiente.
Ejemplo 38
2 0 1
2 0 1
Dada la matriz A 2 1 0 , tiene inversa, ya que A 2 1 0 4 0
0 1 1
0 1 1
Calculemos los adjuntos de A (teniendo en cuenta el signo correspondiente):

A11
1 0
A21
A31
1 ,
0 1
1,
1 1
0 1
1,
1 0
A12
A22
2 0
2 ,
2 1
2,
0 1
A32
2 1
2 ,
2 0
A13
2 1
2 ,
0 1
A23
A33
2 0
2 ,
0 1
2 0
2 ,
2 1
1 2 2
Por tanto: adj( A ) 1 2 2
1 2 2
adj( A)
As pues, A 1
1 4
1 1
1
1
2
2 2
4
2
2 2 2 1
1
4
1
2
1
2
1
4
1
2
31
FUOC PID_00151937
Podemos comprobar que, en efecto, A A1 = A1 A = I3:
A A 1
2 0 1 4
1
2 1 0
0 1 1 2
1
4
1
A 1 A
2
1
4
1
2
1
2
1
4
1
2
1
2
1
4 1 0 0
0 1 0
2
0 0 1
1
1
4 2 0 1 1 0 0
2 1 0 0 1 0
2
0 1 1 0 0 1
1
Obviamente, podemos utilizar cualquier software matemtico para obtener la inversa de una matriz, siempre que sta exista:
Figura 6
4.5. Rango de una matriz. Clculo mediante determinantes

Nota
El rango de una matriz se define como el nmero de filas o columnas

linealmente independientes. Si la matriz es A, su rango lo denotaremos
por rg(A).
Se puede demostrar que, en

cualquier matriz, el nmero de
filas linealmente independientes coincidir siempre con el
nmero de columnas linealmente independientes.
32
FUOC PID_00151937
Ejemplo 39
4 2
1 2
Dada la matriz A = 0
3
1 1 el nmero de filas linealmente inde
0
0 2 3
pendientes es 3, por tanto su rango es 3.

En el ejemplo anterior ha sido fcil calcular el rango ya que la matriz es triangular, pero el clculo para una matriz cualquiera no es elemental.
El concepto de matriz tiene importantes aplicaciones en lgebra lineal y en
geometra, por ello es importante desarrollar un mtodo que permita calcular
el rango de una matriz de forma eficiente.
Dada una matriz A de m filas y n columnas, se llama menor de orden
h (1 h Min{m, n}) a todo determinante que se obtenga tras seleccionar
h filas y h columnas en la matriz A.
Ejemplo 40. Menor de una matriz
2 3 4 1
Dada la matriz A = 4 6 8 2 , un menor de orden 2 de la matriz A
2 0 1 0
se obtiene al seleccionar dos filas y dos columnas. Por ejemplo, si seleccionamos las dos ltimas filas y las dos ltimas columnas obtenemos el siguiente menor:
8 2
1
Otro menor de orden 2 es, por ejemplo, el que se obtiene de seleccionar las
dos ltimas filas y las columnas primera y tercera:
4 8
12
2 1
Dado un menor de orden h, se llama orlado de dicho menor al determinante que se obtiene tras aadir al menor, de forma ordenada, los elementos de una nueva fila y de una nueva columna.
Ejemplo 41. Orlado de un menor
Siguiendo con el ejemplo anterior, a partir del ltimo menor se pueden generar dos orlados:
El menor de orden 3 que se obtiene al agregar la primera fila y la ltima
columna:
2
4 8 2
2 1 0
Esto significa que slo se pueden

aadir elementos que, dentro de
la matriz inicial, estn en la misma
fila o columna que los elementos
del menor.
33
FUOC PID_00151937
El menor de orden 3 que se obtiene al agregar la primera fila y la segunda

columna:
2
4
2
6
0
8
1
Una vez introducidos los conceptos de menor y orlado, conviene resaltar

el siguiente resultado, el cual es la clave para determinar el rango de una
matriz:
Teorema del rango. El rango de una matriz no nula viene determinado
por el orden del mayor menor no nulo que se pueda obtener a partir de
ella.
En otras palabras: si todos los elementos de una matriz son ceros, el rango de
la matriz es cero. Si la matriz tiene algn elemento no nulo, su rango ser igual
o mayor a uno. Para determinarlo, ser necesario hallar el menor no nulo de
orden mayor que se puede formar con los elementos de la matriz. El orden
de dicho menor ser el rango de la matriz.
Ejemplo 42. Clculo del rango de una matriz
Volviendo a la matriz de los ejemplos anteriores, queda claro que su rango

ser mayor que 1 (por ser una matriz no nula) y menor o igual que 3 (puesto que, como mximo, se podr formar un menor de orden 3).
Es fcil comprobar que el rango de la matriz ser igual o mayor que 2, ya
que el siguiente menor de orden dos es no nulo:
8 2
1
20
Usaremos el menor anterior como base de orden 2 para tratar de obtener,

a partir de l, algn menor de orden 3 no nulo (si no lo logramos a partir
de esta base, no lo lograremos a partir de ningn otro menor de orden 2).
Resulta, sin embargo, que los dos nicos menores de orden 3 que se pueden
obtener orlando el menor anterior son nulos:
2
4 8 2 0
2 1 0
6
0
8 2 0
1 0
Es decir, que no encontraremos en la matriz ningn menor de orden 3

cuyo valor sea distinto de cero. Por consiguiente, el rango de la matriz ser
2, i.e.: rg(A) = 2.
34
FUOC PID_00151937
Ejemplo 43. Clculo del rango de una matriz
Se desea obtener el rango de la matriz:
1
A
4
3 0 2
0 1 1
6 0 4
3 0 1
Obviamente, el rango estar entre los valores 1 (ya que la matriz es no nula)
y 4 (ya que, como mximo, se podr formar un menor de orden 4).
Es fcil hallar un menor de orden 2 no nulo:
est claro que rg(A) 2.
2 3
3 0 . Por tanto, ya
1 0
El siguiente paso ser ir orlando el menor anterior (que tomaremos como

base de orden 2) para ver si se puede construir un menor de orden 3 no
nulo:
2 3 0
1 0 1 0 (la 3. fila es mltiplo de la 1.)
4 6 0
2 3 0
1 0 1 0 (la 1. y la 3. filas son iguales)
2 3 0
2 3 2
1 0 1 (0 6 6) (0 3 6) 3 0
2 3 1
Hemos hallado un menor de orden 3 no nulo, por tanto: rg(A) 3. Usaremos este nuevo menor como base de orden 3.
Resulta, sin embargo, que rg(A) 4, ya que el nico menor de orden 4 que
se puede formar es nulo:
2 3 0 2
1 0 1 1
4 6 0 4
0 (la 3. fila es mltiplo de la 1.)
2 3 0 1
Por tanto, se tendr que rg(A) 3.
En la figura 7 se muestra cmo

los programas matemticos (como
Mathcad, Wiris o Maple) permiten
automatizar el clculo del rango de
una matriz.
FUOC PID_00151937
35
Figura 7. Uso de software matemtico para calcular el rango de una matriz
4.6. Aplicaciones a los espacios vectoriales
1) Dependencia e independencia lineal.

Sea {v1, , vk} un conjunto de vectores de un espacio vectorial V (con
dimV = n). Disponindolos por filas o por columnas obtenemos una
matriz A.
Se verifica que v1, , vk son linealmente independientes si y slo si
rg(A) = k (y consecuentemente que v1, , vk son linealmente dependientes si y slo si rg(A) < k).
Ejemplo 44
Los vectores de R3 (2, 1, 2), (3, 2, 1), (1, 1, 7) son linealmente dependientes, ya que dada la matriz formada disponindolos en columnas
2 3 1
A 1 2 1 tiene rg(A) 2 (basta comprobar que A 0 y que hay un
2 1 7
menor de orden 2 no nulo)
Proposicin. En Rn, n vectores son linealmente independientes si, y slo

si, el determinante de la matriz que se construye a partir de ellos es no nulo.
36
FUOC PID_00151937
Ejemplo 45
Vamos a comprobar, usando la proposicin anterior, que el rango del conjunto {(1, 3, 0), (1, 2, 4), (1, 1, 2)} es 3, i.e.: que los tres vectores anteriores
son linealmente independientes:
1 3 0
1 2 4 = 4 12 (4) (6) 2 0
1 1 2
Ejemplo 46
Vamos a comprobar, usando la proposicin anterior, que el rango del conjunto {(1, 3, 0), (1, 2, 4), (0, 5, 4)} es inferior a 3, i.e.: que los tres vectores
anteriores son linealmente dependientes:
1
1 2 4 = 8 (20) 12 = 0
0 5 4
2) Dimensin de un subespacio generado.
Sea W = v1, , vk el subespacio generado por esos vectores. Dada la

matriz A que se obtiene disponiendo los vectores en filas o columnas,
se verifica que
dimW = rg(A)
Ejemplo 47
Los vectores de R4 (1, 2, 3, 4), (5, 6, 7, 8), (4, 4, 4, 4) proporciona la matriz

1 5 4
2 6 4
A=
. Tenemos que rg(A) = 2 (comprobarlo con software) y por
3 7 4
4 8 4
consiguiente esos tres vectores generan un subespacio de R4 de dimensin 2.
4.7. Matriz de cambio de base en un espacio vectorial
Recordemos que una base B de un espacio vectorial V de dimV = n proporciona

un sistema de coordenadas para V y cada vector v V se identifica de manera
nica con sus coordenadas en esa base (nmero reales c1, , cn)
Para fijar ideas podemos identificar (c1,, cn) con un vector de Rn (o una matriz 1 n).
37
FUOC PID_00151937
Sean B = {u1, , un} y A = {v1, , vn} bases de un espacio vectorial V.

Consideramos la matriz C cuadrada de orden n cuyas columnas son las
coordenadas de los vectores de B en la base A, C = (cij)nn, se llama matriz del cambio de base de B a A.
Si v V tiene coordenadas b1, , bn en la base B y tiene coordenadas
a1, , an en la base A, se verifica:
a1 c11 c1n b1

a c

n n1 cnn bn
Ejemplo 48
Sean B = {(1, 1, 1),(1, 0, 3),(3, 4, 5)} y A = {(2, 3, 1),(0, 0, 1),(2, 1, 0)} dos bases
de R3. Para calcular la matriz del cambio de base de B a A seguimos los pasos:
1) Calculamos las coordenadas de (1, 1, 1) en A resolviendo la ecuacin
matricial:
2 0 2 c11 1
, como M 0 la matriz M es invertible

3 0 1 c21 1
1 1 0 c 1
31
M
Y por tanto obtenemos

1
c11 2 0 2 1

c21 3 0 1 1
c 1 1 0 1

31
2) De la misma forma se calculan las coordenadas de los otros dos vectores:
1
c12 2 0 2 1

c22 3 0 1 0
c 1 1 0 3

32
1
c13 2 0 2 3

c23 3 0 1 4
c 1 1 0 5

33
Observamos que los clculos podran haberse hecho con una nica operacin de matrices:
1
2 0 2 1 1 3 c11 c12 c13

3 0 1 1 0 4 c21 c22 c23 = es la matriz del cambio de base de B a A.
1 1 0 1 3 5 c c c
31 32 33
38
FUOC PID_00151937
En este caso el vector que tenga coordenadas (1,1,0) en la base B tendr las
siguiente coordenadas en A:
1 0

C 1 4
0 1

Podemos ver los clculos realizados con la calculadora Wiris:
Figura 8
39
FUOC PID_00151937
5. Ecuaciones de rectas y planos
5.1. Ecuaciones de una recta en el plano
De forma intuitiva, parece claro que dos puntos del plano R2 determinan de
forma unvoca una recta r (la que pasa por ambos). Una recta en el plano puede tambin venir determinada por un punto de paso y un vector que marque
la direccin de la recta (vector director). Como se ver a continuacin, las
ecuaciones de una recta r pueden tomar distintas expresiones equivalentes.
Ecuacin vectorial
Dados dos puntos de paso de r, P(p1, p2) y Q(q1, q2), se puede considerar el vec
tor director v = PQ = (v1, v2) = (q1 p1, q2 p2). Cualquier otro punto X(x, y)
de la recta r verificar la ecuacin:
X = P k v, donde k R
(1)
Ecuaciones paramtricas
La ecuacin (1) se puede rescribir como sigue:

(x, y) = (p1, p2) k (v1, v2), es decir: (x, y) (p1 k v1, p2 k v2)
expresin equivalente al sistema de ecuaciones siguiente:
x p1 k v1
y p2 k v2
k R
(2)
Ecuacin continua
Despejando el parmetro k en (2), se llega a las ecuaciones continuas de r

(siempre que v1 0 v2):
x p1 k v1
y p2 k v2
x p1
k v
1
, y por lo tanto:
y
p
2
k
v2
x p1 y p2
v1
v2
(3)
40
FUOC PID_00151937
Ecuacin punto-pendiente y ecuacin explcita
Despejando la y de la expresin (3) se llega a:
a) La ecuacin punto-pendiente: y p2
v2
( x p1 ) , es decir:
v1
y p2 m (x p1),
donde m
(4)
v2
es la pendiente de r
v1
La ecuacin explcita: y = m (x p1) p2 = m x m p1 p2, o sea:

y = m x n,
(5)
siendo n = m p1 p2 la ordenada en el origen.

Ecuacin general
Tambin es posible desarrollar la expresin (3) de la siguiente manera:

x p1 y p2 v (x p ) v (y p ) v x v y v p v p 0
2
1
1
2
2
1
2
1
1
2
v1
v2
De forma genrica:
Ax By C = 0,
(6)
donde A = v2, B = v1 y C = v2 p1 v1 p2.

Ejemplo 49
Sea r la recta que pasa por el punto P(1, 2) y cuya direccin viene dada por
el vector v = (1, 2).
Ecuacin vectorial: (x, y) = (1, 2) k(1, 2)
x 1 k
Ecuaciones paramtricas:
y 2 k 2
Ecuacin continua:
x 1 y 2
1
2
Ecuacin explicita: y = 2x 4
Ecuacin general: 2x y 4 = 0
kR
kR
FUOC PID_00151937
41
Figura 9
Comentario
Los outputs muestran la representacin grfica de la recta
del ejemplo. En este caso se ha
hecho uso de Mathcad para representar la recta a partir de las
ecuaciones paramtricas, y se
ha usado Wiris para representarla a partir de la ecuacin
vectorial.
5.2. Ecuaciones de una recta en el espacio
De forma similar a lo que ocurra en R2, tambin en el espacio R3 se pueden

considerar varias expresiones alternativas para la ecuacin de una recta r (la
deduccin de dichas expresiones es anloga al caso de R2):
Dados dos puntos de paso de r, P(p1, p2, p3) y Q(q1, q2, q3), se puede con
siderar el vector director v = PQ = (v1, v2, v3). Cualquier otro punto
X(x, y, z) de la recta r verificar la ecuacin: X P k v, donde k R.
De esta forma, se pueden considerar las siguientes ecuaciones alternativas (siempre que v1 v2 v3 0):
Ecuacin vectorial: (x, y, z) = (p1, p2, p3) k (v1, v2, v3)
42
FUOC PID_00151937
x p1 k v1
Ecuaciones paramtricas: y p2 k v2
z p k v
3
3
Ecuaciones continuas:
x p1 y p2 z p3
v1
v2
v3
Ejemplo 50
Sea r la recta que pasa por el punto P(1, 2, 1) y cuya direccin viene dada
por el vector v (1, 2, 2).
Ecuacin vectorial: (x, y, z) (1, 2, 1) k(1, 2, 2)
x 1 k
Ecuaciones paramtricas: y 2 2 k
z 1 2k
Ecuacin continua:
kR
kR
x 1 y 2 z 1
1
2
2
En la figura 10 En este caso se ha hecho uso de Mathcad para representar

la recta del ejemplo a partir de las ecuaciones paramtricas.
Figura 10
5.3. Ecuaciones de un plano en el espacio
La ecuacin de un plano en el espacio R3, viene determinada por un punto del plano, P(p1, p2, p3), y dos vectores no nulos y no proporcionales (i.e.,
no paralelos), u (u1, u2, u3) y v (v1, v2, v3). Es posible considerar distintas
expresiones equivalentes para la ecuacin de un plano en el espacio:
Ecuacin vectorial
(x, y, z) (p1, p2, p3) k (u1, u2, u3) h (v1, v2, v3) donde k, h R.
43
FUOC PID_00151937
Ecuaciones paramtricas
x p1 k u1 h v1
y p2 k u2 h v2
z p k u h v
3
3
3
donde k, h R.
Ecuacin general
A partir de la ecuacin
x p1
y p2
z p3
u1
v1
u2
v2
u3
v3
0 se obtiene una ex-
presin de la forma Ax + By Cz D 0.
Ejemplo 51
Sea el plano que pasa por el punto P(1, 2, 3) y tiene por vectores directores
u (1, 0, 1) y v (0, 1, 1). Entonces:
Ecuacin vectorial: (x, y, z) (1, 2, 3) k (1, 0, 1) h (0, 1, 1)

x 1 k
Ecuaciones paramtricas: y 2 h
z 3 k h
x 1 y 2 z 3
Ecuacin general:
1
0
0
1
1
1
0 x y + z 2 0.
En la figura 11 se ha hecho uso de Mathcad para representar el plano del

ejemplo a partir de las ecuaciones paramtricas y general, respectivamente.
Figura 11
44
FUOC PID_00151937
6. Producto escalar y ortogonalidad
6.1. Producto escalar, mdulo de un vector y ngulo

entre vectores
Dados dos vectores del espacio vectorial Rn, u (u1, u2, ..., un) y v
(v 1, v 2, ..., v n), se define el producto escalar de ambos, u v, de la
siguiente forma:
u v = u1 v1 + u2 v2 + ... + un vn
Observar que:
a) El producto escalar de dos vectores de Rn da como resultado un nmero
real.
b) Usando notacin matricial, se puede escribir el producto escalar u v como
el producto matricial de la matriz fila (u1 u2 ... un) por la matriz columna de las
coordenadas de v.
v1

v
u v = (u1 u2 ... un) 2

v
n
Ejemplo 52
Si u (1, 2, 3) y v (2, 1, 4), el producto escalar u v 1 2 2 (1) 3 4 12.

Observar que v u = 12 = u v
Proposicin: Sean u, v y w vectores en Rn y c un escalar (nmero real)
cualquiera. Se cumple:
a) u v = v u
b) (u + v) w = u w v w
c) (cu) v = c(u v) = u (cv)
d) u u 0 y u u = 0 si, y slo si, u = 0 es el vector nulo (i.e.: u = (0, 0, ..., 0))
45
FUOC PID_00151937
El producto escalar permite definir el concepto de mdulo o longitud de un

vector:
El mdulo o longitud de un vector v = (v1, v2, ..., vn) es
v =
( v v) =
v12 v22 ... vn2
En R2 y R3 este concepto coincide con la nocin usual de la longitud del segmento orientado (flecha) que representa a un vector.
Proposicin. Sean u y v vectores en Rn y c un escalar cualquiera. Se
cumple:
a) u 0 y u = 0 si, y slo si, u = 0
b) cu = cu (donde c es el valor absoluto de c)
c) u v uv (desigualdad de Cauchy-Schwarz)
d) u + v uv (desigualdad triangular)
Un vector unitario es aquel cuyo mdulo o longitud vale 1. Observar que, dado
un vector no nulo u de Rn, siempre es posible obtener otro vector v unitario con
la misma direccin y sentido que u: basta para ello con tomar v = u /u. Este
proceso se llama normalizacin del vector u.
Ejemplo 53
El vector w = (0, 3/5, 4/5) es unitario ya que

(02 ( 3/ 5)2 (4 / 5)2 ) = 1
w=
Por otra parte, el vector u = (2, 1, 3) no es unitario ya que

u =
(22 12 32 ) =
14 1
Finalmente, el vector v = u / u = (2/ 14 , 1/ 14 , 3/ 14 ) ser un vector

unitario con la misma direccin y sentido que u.
El concepto de mdulo de un vector permite introducir otro concepto importante, el de distancia entre dos vectores en Rn:
Nota
Dados u y v vectores en R , se define la distancia entre ambos como:

n
dist(u, v) u v
Si u OP y v OQ ,
dist(u, v) es intuitivamente
la distancia entre los puntos
P i Q, calculada como PQ .
46
FUOC PID_00151937
Ejemplo 54
La distancia entre los vectores u = (1, 2, 3) y v = (2, 1, 4) es:

u v = (1, 3, 1) dist(u, v) = u v =
(( 1)2 32 ( 1)2 ) 11
En R2 y R3 se puede definir el ngulo entre dos vectores no nulos utilizando el

producto escalar:
Dados u y v vectores no nulos en R2 o R3, se define el ngulo entre ambos como el nmero real , perteneciente al intervalo [0,], tal que:
cos() =
uv
u v
Ejemplo 55
Calculemos el ngulo que forman entre s los vectores u = (1, 2, 3) y

v = (2, 1, 4):
cos() = u v/uv = 12 / ( 14
21 ) = 0.69985
Por lo tanto = arccos(0.69985) = 0.7956 radianes
6.2. Vectores y bases ortogonales en Rn
Si u v = 0, entonces el ngulo que forman los dos vectores es /2 (cos() = 0),

intuitivamente las direcciones de los dos vectores son perpendiculares. El siguiente concepto generaliza a Rn la idea intuitiva de perpendicularidad.
Dados u y v vectores en Rn, se dice que son ortogonales (intuitivamente perpendiculares) entre s cuando se cumple:
uv=0
Observar que el vector 0 (0, 0, ..., 0) de Rn es ortogonal a todo vector de Rn.

Ejemplo 56
Si sabemos que los vectores v = (2, 1, 4) y w = (0, 3, m) son ortogonales,

cunto valdr m?:
Por ser ortogonales, se tendr que v w = 0, i.e.: 2 0 (1) 3 4 m = 0;
despejando se obtiene m = 3/4.
Sean u y W, respectivamente, un vector y un subespacio vectorial de Rn. Se
dice que u es ortogonal al subespacio W si u es ortogonal a todo vector de W.
Nota
se expresa en radianes.
47
FUOC PID_00151937
El conjunto de todos los vectores u de Rn que son ortogonales al subespacio W se llama complemento ortogonal de W y se denota por W.
El complemento ortogonal de un subespacio vectorial de Rn es, a su vez, un

subespacio vectorial de Rn.
Ejemplo 57
En R3, considrese el plano xy, cuya ecuacin es z = 0. Este plano es un subespacio vectorial de R3 formado por los vectores cuya tercera coordenada
es nula, i.e.:
W = { (x, y, z) R3 / z = 0 } = { (x, y, 0) / x, y R } = <(1, 0, 0), (0, 1, 0)>.
Es evidente, entonces, que el vector u = (0, 0, 1) es ortogonal a W ya que,
dado w = (w1, w2, 0) W, w u = w1 0 w2 0 0 1 = 0.
De hecho, si denotamos por Z al subespacio generado por u, i.e.: Z = <(0, 0, 1)>
es la recta que coincide con el eje z de R3, se tiene que Z es el complemento
ortogonal de W, es decir: Z = W.
Observar que tambin se cumple W = Z.
Sea W un subespacio vectorial de Rn y B = {u1, u2, ..., up} una base de W.

Se dice que B es una base ortogonal de W si los vectores que la componen son ortogonales entre s, i.e.:
ui uj = 0 para todo i j
Por otra parte, se dice que B es una base ortonormal de W si es una base
ortogonal y, adems, todos los vectores que la componen son unitarios.
Observar que dada una base ortogonal B ser inmediato obtener una base
ortonormal: bastar con normalizar cada uno de los vectores de B, i.e.: si
B {u1, u2, ..., up} es una base ortogonal de W, entonces B {v1, v2, ..., vp}
con vi u i / ui (i = 1, 2, ..., p) ser una base ortonormal de W.
Ejemplo 58
Los vectores u1 (3, 1, 1), u2 (1, 2, 1) y u3 (1/2, 2, 7/2) constituyen

una base de R3 ya que <u1, u2, u3> R3 y {u1, u2, u3} forman un conjunto
de vectores linealmente independientes.
Se trata, adems, de una base ortogonal, ya que: u1 u2 u1 u3 u2 u3 0
(en general, si un conjunto de vectores no nulos son ortogonales entre s,
entonces tambin son linealmente independientes).
48
FUOC PID_00151937
A partir de la base ortogonal B = {u1, u2, u3} resulta inmediato obtener una
base ortonormal B:
(3, 1, 1) =
11
(1, 2, 1) =
(1/2, 2, 7/2) = 33 / 2
Por tanto,
B = {(3/ 11 , 1/ 11 , 1/ 11 ), (1/ 6 , 2/ 6 , 1/ 6 ),
((1/2)/ 33 / 2 , 2/ 33 / 2 , (7/2)/ 33 / 2 )}
es una base ortonormal de R3.
Dada una base B {u1, u2, ..., up} de un subespacio W de Rn, cualquier vector v
de W se podr expresar como combinacin lineal de los elementos de la base,
i.e.: existirn valores reales c1, c2, ..., cp tales que:
v c1u1 c2u2 ... cpup
i.e.:
(v1, v2, ..., vp) c1(u11, u12, ..., u1p) c2(u21, u22, ..., u2p) ... cp(up1, up2, ..., upp)
En general, para determinar el valor exacto de los p coeficientes ci ser necesario resolver el sistema de p ecuaciones lineales resultante:
v1 c1u11 c2u21 ... cpup1
v2 c1u12 c2u22 ... cpup2
...
vp c1u1p c2u2p ... cpupp
En el caso de bases ortogonales, sin embargo, el proceso de determinacin de
los ci se simplifica notablemente:
Teorema. Sea B = {u1, u2, ..., up} una base ortogonal de W Rn, y sea v
un vector de W. La expresin de v como combinacin lineal de los elementos de B es:

v c1u1 c2u2 ... cpup
con
ci v ui ui ui (i 1, 2, ..., p)
Ejemplo 59
Como se ha demostrado en el ejemplo anterior, los vectores u1 (3, 1, 1),

u2 (1, 2, 1) y u3 = (1/2, 2, 7/2) constituyen una base ortogonal de
R3. Consideremos ahora el vector v de R3 cuya expresin en la base ca-
49
FUOC PID_00151937
nnica es v = (6, 1, 8). Cul ser la expresin de v en la base ortogonal B = {u1, u2, u3}?
Si B no fuese una base ortogonal, para responder a la pregunta tendramos
que resolver la ecuacin vectorial:
(6, 1, 8) c1(3, 1, 1) c2(1, 2, 1) c3(1/2, 2, 7/2)
Esta ecuacin vectorial da lugar a un sistema de tres ecuaciones lineales con
tres incgnitas.
Al ser B una base ortogonal, podemos utilizar el Teorema anterior para hallar las coordenadas de v en B:
vu1 11
vu2 12
vu3 33
u1u1 11
u2u2 6
u3u3 33/2
con lo que:
c1 11/11 1
c2 12/6 2
c3 33 / (33/2) 2
As pues, v = u1 2u2 2u3 esto es, las coordenadas de v en la base B son

(1, 2, 2)
6.3. Proyecciones ortogonales
Dado un vector v de Rn, un subespacio vectorial W de Rn y una base ortogonal B {u1, u2, ..., up} de W, se llama proyeccin ortogonal de v
sobre W, PO(v, W), al siguiente vector v de W:
PO(v, W) v c1u1 c2u2 ... cpup con ci v ui ui ui (i 1, 2, ..., p)
Ejemplo 60
Considrense el subespacio vectorial de R3 siguiente: W = <u1, u2>, siendo

u1 = (2, 5, 1) y u2 = (2, 1, 1). Observar que B = {u1, u2} es una base orto-
gonal de W y que W es un plano en R3.

Se desea hallar la proyeccin ortogonal del vector v = (1, 2, 3) sobre el subespacio W, i.e., PO(v, W):
v u1 = 9
v u2 = 3
u1 u1 = 30
u2 u2 = 6
con lo que:
c1 = 9/30 = 3/10
c2 = 3/6 = 1/2
Por tanto, PO(v, W) = v = 3/10 (2, 5, 1) 1/2 (2, 1, 1) (2/5, 2, 1/5) W
50
FUOC PID_00151937
Figura 12
Teorema (descomposicin ortogonal). En las condiciones de la defi-
nicin anterior, dado un vector cualquiera v de Rn, ste se puede escribir

de la forma:
v = v + z
siendo v la proyeccin ortogonal de v sobre W y z = v vun vector de

W
Ejemplo 61
Continuando con el ejemplo anterior, nos planteamos descomponer ortogonalmente el vector v como suma de su proyeccin ortogonal sobre el
espacio W, v, y de otro vector z, perpendicular a W:
Segn hemos visto, PO(v,W) = v = (2/5, 2, 1/5) W
Por otra parte, z = v v = (1, 2, 3) (2/5, 2, 1/5) = (7/5, 0, 14/5)
Comprobemos que, como dice el Teorema, z W, para lo cual ser suficiente con demostrar que z es ortogonal a los vectores de una base de W:
z u1 = 27/5 5 0 (1)14/5 = 0
z u2 = (2) 7/5 1 0 1 14/5 = 0
Figura 13
Observar que si v = v+ z, entonces z = v v es la componente de v ortogonal

a W. Esta idea es la base del mtodo de ortogonalizacin de Gram-Schmidt que
se ver en el prximo apartado.
51
FUOC PID_00151937
Teorema (aproximacin ptima). En las condiciones de la definicin
anterior, se cumple que v es el vector de W ms cercano a v, i.e.:

dist(v, v) = v v = z < dist(v, u) = v u para todo vector u en
W tal que u v
La distancia de un vector (punto) v en Rn a un subespacio W de Rn se define

como la distancia de v al vector (punto) ms cercano de W.
Ejemplo 62
Si u1 (5, 2, 1) y u2 (1, 2, 1), cul es la distancia entre el vector v

(1, 5, 10) y el subespacio W = <u1, u2>?
Por el Teorema de la aproximacin ptima, la distancia entre v y W ser la
misma que la distancia entre v y v, la proyeccin de v sobre W.
Lo primero ser comprobar que la base B = {u1, u2} es ortogonal:
u1 u2 = 5 1 (2) 2 1 (1) 0
Ahora hallamos PO(v, W) = v:

v u1 = 15
v u2 = 21
u1 u1 = 30
u2 u2 = 6
con lo que:
c1 = 15/30 = 1/2
c2 = 21/6 = 7/2
Por tanto, PO(v, W) = v = 1/2 (5, 2, 1) (7/2) (1, 2, 1) = (1, 8, 4) W

Finalmente, dist(v, W) = dist(v, v) = v v(0, 3, 6) 3 5 .
6.4.
Proceso de ortogonalizacin de Gram-Schmidt
En ocasiones puede resultar muy conveniente disponer de una base ortonormal para un subespacio vectorial W de Rn. El proceso de Gram-Schmidt es un
algoritmo que permite obtener una base ortogonal para cualquier subespacio
de Rn no trivial (se entiende por subespacio trivial de Rn al subespacio que slo
contiene el vector 0 de Rn).
Una vez obtenida la base ortogonal, la obtencin de una base ortonormal es
inmediata ya que bastar con normalizar los vectores de la base ortogonal proporcionada por el algoritmo.
52
FUOC PID_00151937
Algoritmo de ortogonalizacin de Gram-Schmidt. Sea W un subespa-
cio vectorial de Rn y B = {u1, u2, ..., up} una base cualquiera de W.

Paso 1: Tomar v1 = u1 y considerar W1 = <v1>
Paso 2: Tomar v2 = u2 PO(u2,W1) y considerar W2 = <v1, v2>
Paso 3: Tomar v3 = u3 PO(u3,W2) y considerar W3 = <v1, v2, v3>
Paso 4: Tomar v4 = u4 PO(u4,W3) y considerar W4 = <v1, v2, v3, v4>
.
Paso p: Tomar vp = up PO(up,Wp1).

En tales condiciones, {v1, v2, ..., vp} es una base ortogonal de W
Ejemplo 63
Considrense los vectores de R4 siguientes: u1 = (1, 1, 1, 1), u2 = (0, 1, 1, 1)

y u3 = (0, 0, 1, 1). Los vectores {u1, u2, u3} son linealmente independientes
y, por tanto, B = {u1, u2, u3} es base de un subespacio W de dimensin 3.
A continuacin utilizaremos el mtodo de Gram-Schmidt para obtener una
base ortogonal de W:
1. Tomamos v1 = (1, 1, 1, 1) y W1 = <v1>
2. Tomamos v2 = (0, 1, 1, 1) PO(u2, W1) = ...
u2 v 1 = 3
v1 v1 = 4
c1 = 3/4
... = (0, 1, 1, 1) 3/4 (1, 1, 1, 1) = (3/4, 1/4, 1/4, 1/4)
Podramos usar directamente el vector v2 que hemos obtenido y continuar con el proceso. Sin embargo, a fin de simplificar los clculos, tomaremos en su lugar el vector proporcional v'2 = 4v2 = (3, 1, 1, 1), el cual
tiene la misma direccin.
Tomamos W2 = <v1, v'2>
Observar que v1 y v'2 son vectores ortogonales ya que v2 W (por el teorema de descomposicin ortogonal); por tanto, {v1, v'2 } es base ortogonal de W2
3. Tomamos v3 = (0, 0, 1, 1) PO(u3,W2) = ...
u3 v1 = 2
u3 v'2 = 2
v1 v1 = 4
v'2 v'2 = 12
c1 = 1/2
c2 = 1/6
... = (0, 0, 1, 1) [ 1/2 (1, 1, 1, 1) 1/6 (3, 1, 1, 1) ] = (0, 2/3, 1/3, 1/3)
53
FUOC PID_00151937
A fin de simplificar lo clculos, tomamos v'3 3v3 (0, 2, 1, 1)

Observar que v3 es ortogonal a v1 y v'2 ya que v3 W (por el teorema
de descomposicin ortogonal); por tanto, B = {v1, v'2 , v'3} es base ortogonal de W3.
As pues, segn el teorema anterior, B ser tambin base ortogonal de W.
Para obtener una base ortonormal de W bastar con normalizar los vectores de B:
v1= 2
v'2= 2 3
v3=
Por tanto, B = { (1/2, 1/2, 1/2, 1/2), (3/( 2 3 ), 1/( 2 3 ), 1/( 2 3 ), 1/

( 2 3 )), (0, 2/ 6 , 1/ 6 , 1/ 6 ) } es base ortonormal de W.
FUOC PID_00151937
54
Resumen
En este mdulo se han revisado conceptos y mtodos asociados al lgebra lineal y a la geometra, los cuales son bsicos para el desarrollo de mdulos posteriores (sistemas de ecuaciones lineales, transformaciones geomtricas,
aplicaciones lineales, etc.).
En primer lugar, se han revisado los conceptos clave asociados a espacios vectoriales reales:
subespacio vectorial
combinacin lineal de vectores
sistema generador
independencia lineal
rango de un conjunto de vectores
base y dimensin de un espacio vectorial
A continuacin, se han revisado los conceptos clave asociados a la teora de
matrices y determinantes:
dimensin de una matriz
matriz transpuesta
tipos de matrices (diagonal, simtrica, triangular, etc.)
operaciones con matrices (suma, resta, multiplicacin, ...)
matriz inversa
clculo de determinantes de orden 2 y 3
clculo de determinantes por adjuntos
propiedades de los determinantes
clculo de la matriz inversa
clculo del rango de una matriz
determinantes y dependencia lineal
En la parte final del mdulo, se ha realizado una revisin de los siguientes conceptos geomtricos:
ecuaciones de rectas y planos en 2D y 3D
producto escalar en Rn y ngulo entre vectores
ortogonalidad (bases ortogonales y ortonormales)
proceso de ortogonalizacin de Gram-Schmidt
El mdulo se ha completado con ejemplos y actividades resueltas (con y sin
ayuda de software), en las que tambin se han introducido algunas aplicaciones interesantes de la teora expuesta a diferentes mbitos temticos (informtica, telecomunicaciones, economa, etc.).
55
FUOC PID_00151937
Ejercicios de autoevaluacin
1. Determinad cules de los siguientes conjuntos de vectores son base de R3:
a) {(2,3,0), (3,1,2), (1,5,2)}
b) {(1,2,1), (2,4,0), (5,1,1)}
2. Usando determinantes, calculad la inversa, si existe, de la siguiente matriz:
2 1 3
A = 0 1 1
3 1 2
5 4 2
3. Dada la matriz A = 2 1 1 , calculad A2 2A.
4 4 1
Para realizar con o sin la ayuda

de software
4. Considerad los vectores siguientes: u (a, 1, 2), v (1, a, 2) y w (2a, 1, 0).
Hallad el valor de a para que los vectores sean linealmente independientes.

1 2 1
5. Sabiendo que se cumple X A B, obtened la matriz X si A 0 1 0 y
3 1 2
1 2 1
B 0 1 0 .
1 0 0
6. Calculad la inversa, cuando exista segn el valor del parmetro a, de
a 0 0
1 a 2 .
1 2 a
7. Dados los vectores (1, 2, 0), (1, 0, 1) y (2, 2, 3), hllese la dimensin
del subespacio generado. Calclese k para que el vector (4, 3, k) pertenezca a

dicho subespacio.
8. Dados los conjuntos de vectores B = {(1, 1, 2), (1, 2, 3), (3, 4, 3)} y A = {(1, 0, 1),
(0, 1, 1), (1, 1, 0)} de R3:

a) Comprobad que B y A son bases de R3 y calculad las coordenadas del vector
v = (1, 1, 1) en B y en A, respectivamente.
b) Calculad la matriz del cambio de base de B a A y comprobad la coherencia
del resultado del apartado a)

9. Razonad si las siguientes afirmaciones sobre vectores de Rn con el producto
escalar estndar son verdaderas o falsas:

a) El mdulo de un vector es un nmero positivo
Para realizar con o sin la ayuda

de software
56
FUOC PID_00151937
b) La distancia entre u y v es u v
c) Si dos vectores no nulos son ortogonales entonces son linealmente inde-
pendientes
d) La proyeccin ortogonal de u sobre v es mltiplo escalar de u
e) Si un vector coincide con su proyeccin ortogonal sobre un subespacio, en-
tonces el vector es del subespacio

f) El conjunto de todos los vectores de Rn ortogonales a un vector dado es un
subespacio de Rn
10. Sea W x, y , z R3 |
x y z 0 y sea el vector v = (2, 1, 1)
a) Comprobad que B1 1, 0, 1 , 1, 3, 2 es una base de W.

b) Calculad las coordenadas de v en la base B1.
c) Sabemos que B2 1, 0, 1 , 0, 1, 1 es tambin base de W, entonces cal-
culad les coordenadas de v en B2.

d) Calculad la matriz de cambio de base de B1 a B2 y comprobad que es cohe-
rente con lo que se ha hecho en los dos primeros apartados.

11. Un modelo de produccin de Leontief se expresa mediante una tabla de
input-output como la que se expone a continuacin:

Sector I
Sector II
Sector III
Sector I
0.5
0.4
0.2
Sector II
0.2
0.3
0.1
Sector III
0.1
0.1
0.3
Esta tabla se interpreta de la siguiente manera: si el sector II quiere producir

1000 unidades, entonces necesitar 400 unidades del sector I, 300 del sector II
y 100 del sector III.
Sector I
Sector II
Sector III
Sector I
0.5
0.4 1000 = 400 unids. del sector I
0.2
Sector II
0.2
0.3 1000 = 300 unids. del sector II
0.1
Sector III
0.1
0.1 1000 = 100 unids. del sector III
0.3
La matriz C representa el consumo de una economa y en este caso ser:

0.5 0.4 0.2
C 0.2 0.3 0.1

0.1 0.1 0.3
Si la demanda total de consumidores viene dada por el vector (d1, d2, d3)
siendo di la demanda que los consumidores hacen del sector i = 1, 2, 3, entonces la cantidad producida en la economa, (x1, x2, x3), satisface la ecuacin siguiente:
x1
x1 d1

x2 C x2 d2
x
x d
3
3 3
FUOC PID_00151937
57
a) Si en una economa la demanda final es d1 = 50, d2 = 30 y d3 = 20 se pide el

nivel de produccin (x1, x2, x3) necesario para cubrir dicha demanda.
b) Si el nivel de produccin es x1 = 4350, x2 = 3480 y x3 = 1958, cul ser la
Para realizar con software
demanda que se puede cubrir?
12. Calculad, usando las propiedades de los determinantes, el valor del deter1 a b c
minante asociado a la matriz A 1 b c a .
1 c a b
13. Dado el punto P(1, 0, 3) y el vector v = (2, 1, 4), se pide:

a) Ecuacin de la recta r definida por P y v en sus distintas formas.
b) Hallar las coordenadas que faltan en Q(x, y, 3) para que este punto pertenezca a r.
14. Dado el punto P(2, 1, 1) y los vectores u = (3, 1, 2) y v = (2, 2, 1), se pide:
a) Ecuacin general del plano que pasa por P y contiene las direcciones u y v.
b) Hallar las coordenadas que faltan en Q(x, 3, 0) para que este punto pertenezca a .
15. El grafo siguiente muestra los enlaces directos existentes entre cinco web
sites pertenecientes a distintas compaas dedicadas al desarrollo de software
de simulacin:
Figura 14
a) Representad matricialmente la informacin que proporciona el grafo anterior sobre enlaces directos utilizando para ello una matriz de ceros y unos, i.e.:
el elemento (M)ij ser 1 si existe un enlace directo entre la compaa que ocupa
la fila i y la compaa que ocupa la columna j (con i distinto de j), siendo 0 en
caso contrario.
b) Representad matricialmente la informacin que proporciona el grafo anterior sobre enlaces no directos separados por un nico web site (por ejemplo,
hay un enlace de este tipo entre los sites A y C, ya que desde A se puede llegar
a C pasando por B).
FUOC PID_00151937
58
c) Calculad M2. Qu observis?

d) Calculad M M2 e interpretad el resultado.
16. Una manera elemental de codificar un mensaje de texto consiste en asignar a cada letra del abecedario un nmero. Por ejemplo, usando la asignacin A = 01, B = 02, ..., Z = 27, espacio en blanco = 28, el mensaje maana
da D se codificara (no teniendo en cuenta la acentuacin y las maysculas)
como: 13 01 15 01 14 01 28 04 09 01 28 04. La sucesin anterior se puede
escribir en forma matricial, completando con espacios en blanco (valor 28)
si fuese necesario.
a) Escribid una matriz que represente la secuencia anterior. Por qu creis

que a partir de dicha matriz puede resultar relativamente sencillo descifrar el
texto original?
b) Multiplicad la matriz anterior por una segunda matriz (matriz de codificacin-decodificacin que, en general, no puede tener menos filas que columnas
y debe tener rango mximo). Creis que ahora ser ms difcil obtener el texto original a partir de la matriz resultante (sin conocer la matriz de codificacin-decodificacin)?
17. Dados los conjuntos de vectores B {(0, 1, 2), (5, 7, 4), (6, 3, 5)} y
A {(1, 1, 2), (5, 1, 2), (7, 0, 5)} de R3:
a) Comprobad que B y A son bases de R3 y calculad las coordenadas del vector

v (2, 1, 1) en B y en A, respectivamente.
b) Calculad la matriz del cambio de base de B a A y comprobad la coherencia

del resultado del punto a).
18. El grafo siguiente muestra los enlaces directos existentes entre seis web sites
pertenecientes a diversas compaas dedicadas al desarrollo de software matemtico:
FUOC PID_00151937
59
a) Representad matricialmente la informacin que proporciona el grafo anterior sobre enlaces directos utilizando para ello una matriz M de ceros y unos,
i.e.: el elemento (M)ij ser 1 si existe un enlace directo entre la compaa que
ocupa la fila i-sima y la compaa que ocupa la columna j-sima (con i diferente de j ), siendo 0 en caso contrario.
b) Encontrad, usando la matriz M, la matriz N que representa los enlaces de

hasta dos conexiones i.e.: enlaces directos o de una o dos conexiones, entre
los web site. Interpretad la matriz N resultante.
19. Considerad el grafo asociado a la molcula del naftaleno:
a) Representad matricialmente la informacin que proporciona el grafo anterior utilizando para ello una matriz de ceros y unos.
b) Indicad la dimensin de la matriz.

c) Calculad la matriz traspuesta, la inversa y el determinante de la matriz.
d) Qu podis decir de A A1? Y de A1 A? A partir de lo que hallis, podrais asegurar que el producto de matrices es conmutativo?
60
FUOC PID_00151937
Solucionario
Ejemplo introductorio
Recordemos que la tabla o matriz de cambio de estados era:

Hoy (da n)
Maana (da n + 1)
Estado A
Estado B
Estado C
Estado A
3/4
1/2
1/4
Estado B
1/8
1/4
1/2
Estado C
1/8
1/4
1/4
Podemos representar, respectivamente, la matriz de cambio de estados y el

vector de estado inicial como:
M
M
1
2
1
3 1 1
vv
4 2 4
1 1
8 4
1 1
8 4
1
2
1
2
0
P(A0)
P(B0)
P(C0)
Usaremos la notacin siguiente:
Ak = dentro de k das, la LAN estar en estado A

Bk = dentro de k das, la LAN estar en estado B
Ck = dentro de k das, la LAN estar en estado C
Por teora de la probabilidad, sabemos que:
P(A1) = P([A0 A1] [B0 A1] [C0 A1]) =
= P([A0 A1]) P([B0 A1]) P([C0 A1]) =
= P(A1 A0) P(A0) P(A1 B0) P(B0) P(A1 C0) P(C0) =
= M11 v1 M12 v2 M13 v3
Anlogamente:
P(B1) = M21 v1 M22 v2 M23 v3
P(C1) = M31 v1 M32 v2 M33 v3
En otras palabras, si denotamos por Xk al vector que contiene las probabilidades de que la LAN se encuentre en estado A, B o C tras k das, tendremos que:
P(A1)
X1 = P(A2) = M v =
P(A3)
0.375
0.375
0.25
61
FUOC PID_00151937
Es decir:
En general, se puede comprobar que: Xk = Mk v, lo cual nos permite contestar
al resto de preguntas del primer bloque:
XX2
= M2 vv
2 :
= M77 vv
XX7
7 :
0.531
0.531
X2 0.266
X2
0.266
0.203
0.203
P(A2)
0.608
0.608
X
7
X7 0.218
0.218
0.174
0.174
P(A7)
P(B2)
P(C2)
P(B7)
P(C7)
Concluimos, por tanto, que la probabilidad de la LAN est funcionando correctamente tras uno, dos y siete das es, respectivamente, 0.375, 0.531 y 0.608.
Ejercicios de autoevaluacin
1.
a) El conjunto de vectores {(2, 3, 0), (3, 1, 2), (1, 5, 2)} son linealmente dependientes, ya que:
2 3 0
A 3 1 2
1 5 2
A 0
Por tanto, no pueden ser base de R3.
b) El conjunto de vectores {(1,2,1), (2,4,0), (5,1,1)} son linealmente independientes, ya que:

1 2 1
A 2 4 0
5 1 1
A26
Por tanto, dado que son 3 vectores linealmente independientes, constituyen

una base de R3.
2.
A 1
A11
1
A21
det( A)
A31
A12
A22
A32
A13
A23 , donde Aij es el adjunto del elemento aij .

A33
Como det(A) = 6 0, existe la matriz inversa.

3 3 3
Adj A 1 5 1 y, por tanto:

4 2 2
62
FUOC PID_00151937
A 1
3 3 3
3 1 4 3 6 1 6 4 6
1
1

1 5 1 3 5 2 3 6 5 6 2 6
6
6
3 1 2 3 6 1 6
2 6
4 2 2
1 2 1 6 2 3
12
5 6 1 3
1 2 1 6 1 3
3.
9 8 4
A 4 3 2 y
8 8 3
9 8 4
5 4 2 9 10 8 8 4 4
A2 2 A 4 3 2 2 2 1 1 4 4 3 2 2 2
8 8 3
4 4 1 8 8 8 8 3 2
1 0 0
0 1 0 I 3
0 0 1
4. Para que los vectores sean linealmente independientes, el determinante

formado por ellos ha de ser no nulo.
a 1 2a
Sea A 1 a 1 .
2 2 0
Su determinante vale: det(A) = 2a 2 4a2.

Los valores de a que anulan el determinante anterior son:
1 y a 1.
2
Ello implica que cualquier valor de a distinto a stos hace que los vectores sean
linealmente independientes (y, por tanto, base de R3 ya que son 3 vectores).
5. Primero hemos de comprobar que A es una matriz regular (invertible). Para

ello, calculamos su determinante y comprobamos que no vale 0:
1 2 1
0 1 0 2 3 1 0
3 1 2
Primero hemos de despejar X en la expresin matricial anterior, para lo cual
debemos multiplicar por A1 por la derecha ambos miembros de la ecuacin,
de modo que nos quedar.
63
FUOC PID_00151937
X A A1 = B A1 X B A1
Ahora procedemos a calcular la inversa de A y el producto B A1:
A1
5 10 2
0 1 0
2 3 1
6. La inversa existe si el determinante de la matriz es distinto de 0.

a 0 0
1 a 2 a(a2 4) 0 a 0 a 2
1 2 a
luego la inversa existir cuando a sea diferente de 0, 2 y 2.
a2 4 2 a 2 a
Formamos la matriz de los adjuntos: 0

2a
a2
0
2a
a2
a2 4 0
0
a2 2a
Transponemos: 2 a
2 a 2a a2
1
Y dividimos por el determinante de la matriz:
a 2 a
a 2 a
0
a
a2 4
2
a2 4
a2 4
a
2
a 4
0
7. La dimensin del subespacio generado es igual al rango de la matriz formada por los vectores dados.
1 1 2
rg 2 0 2 = 2 y por tanto la dimensin del subespacio es 2.
0 1 3
Como el menor
1 1
0 tenemos que los vectores que proporcionan ese me2 0
nor, (1, 2, 0) y (1, 0, 1) son linealmente independiente y por tanto forman una
base del subespacio.
Para que (4, 3, k) (1,2,0),(1,0,1) este vector debe ser linealmente dependiente con los vectores de la base del subespacio, esto es el determinante:
1 1 4
2 0 3 = 0, esto es 5 2k = 0 y por tanto k = 5/2.
0 1 k
64
FUOC PID_00151937
8.
a)
1 1 3
1 2 4 0 y
2 3 3
1 0 1
0 1 1 0 y por tanto los dos conjuntos de vectores son
1 1 0
linealmente independientes y por ser dim R3 = 3, concluimos que los dos conjuntos son base de R3.
Las coordenadas de v en B son:
1
1 1 3 1 1/ 2
1 2 4 1 1/ 4
2 3 3 1 1/ 4
Y las coordenadas de v en A son:

1
1 0 1 1 1/ 2
0 1 1 1 1/ 2
1 1 0 1 1/ 2
Los clculos pueden ser comprobados con software.

b) La matriz del cambio de base de B a A es:
1
1 0 1 1 1 3 1 1 1
0 1 1 1 2 4 1 2 2
1 1 0 2 3 3 0 0 2
Finalmente comprobamos usando esta matriz los resultados de (a), ya que el

cambi de coordenadas del vector que tiene coordenadas (1/2, 1/4, 1/4) en B,
debe proporcionar las coordenadas (1/2, 1/2, 1/2) en A, en efecto:
1 1 1 1/ 2 1/ 2
1 2 2 1/ 4 1/ 2
0 0 2 1/ 4 1/ 2
9.
a) V
b) V
c) V d) F e) V f) V
10.
a) En primer lugar comprobemos que B1 W . Slo hay que comprobar que
los dos vectores verifican la ecuacin que determina W : x + y + z = 0

1 0 1 0 1, 0, 1 W
1 3 ( 2) 0 1, 3, 2 W
65
FUOC PID_00151937
Comprobemos que el rango de la matriz formada por los dos vectores es

mximo:
y efectivamente:
por tanto, los dos vectores son linealmente independientes.
Adems, son generadores, porque un vector (x, y, z) tal que x + y + z = 0, cumple z = x y y

(x, y, z) = (x (1/3) y)(1, 0, 1) + (1/3)y (1, 3, 2), ya que:
(x (1/3)y) (1, 0, 1) + (1/3)y (1, 3, 2) =

= (x + (1/3)y (1/3)y, (1/3)y3, x (1/3)y 2(1/3)y) = (x, y, x y) = (x, y, z).
b) En primer lugar comprobaremos que 2, 1, 1 W , efectivamente:
2 ( 1) ( 1) 0 2, 1, 1 W
Ahora, el vector v en la base que nos piden ser de la forma (a, b), que se calcula resolviendo el sistema:
2, 1, 1 a 1, 0, 1 b 1, 3, 2
que corresponde a este sistema de tres ecuaciones con dos incgnitas:
de donde podemos comprobar que a = 5/3 y b = 1/3, por tanto son los coeficientes de nuestro vector.
c) Ahora, el vector v en la base dada ser tambin de la forma (a, b), y resol-
viendo el sistema:
(2, 1, 1) = a(1, 0, 1) + b(0, 1, 1)
66
FUOC PID_00151937
que corresponde a este sistema de tres ecuaciones con dos incgnitas:

2 a
1 b
1 a b
de donde podemos comprobar que a = 2 y b = 1 por tanto son los coeficientes de nuestro vector en dicha base.
d) Lo que haremos es poner los vectores de B1 en combinacin lineal de los
de B2, as:
1, 0, 1 a 1, 0, 1 b 0, 1, 1 a 1
b0
esto es, que podemos escribir el vector (1, 0, 1) como (1, 0) en la base B2:
1, 3, 2 a 1, 0, 1 b 0, 1, 1 a 1
b3
y podemos escribir el vector (1, 3, 2) como (1, 3) en la base B2.

As, la matriz correspondiente al cambio de base de B1 a B2 es la matriz que
resulta despus de escribir los vectores en columna:
1 1
A
0 3
y efectivamente, si multiplicamos el vector v escrito en la base B1 por la matriz

A, obtenemos el vector v escrito en la base B2:
11.
a) A partir de la expresin matricial se despeja el vector de produccin X, del
modo siguiente:
X CX D IX CX D X (I C)1 D
y por tanto, la demanda la podemos obtener a partir de la inversa de la matriz

I C. El vector de produccin resultante es, x1 = 225.9; x2 = 118.5 y x3 = 77.8.
b) Para determinar la demanda que se puede satisfacer a partir de las cantida-
des producidas basta con multiplicar (I C) X = D
67
FUOC PID_00151937
Dado que I C es
0.5 0.4 0.2
I C 0.2 0.7 0.1
0.1 0.1 0.7
la demanda que se puede satisfacer es
4350
X 3480
1958
391.4
D = (I C) X = 1370.2
587.6
12.
1 a bc
1 a b
1 a c
1 a b
1 c
a 1 a b 1 a b
1 b ca 1 b c 1 b a 1 b c 1 a b 1 b c 1 b c 0
1 c ab 1 c a 1 c b 1 c a 1 b c 1 c a 1 c a
O tambin
1 a bc
1 a abc
1 a 1
1 b c a 1 b b c a (a b c ) 1 b 1 0.
1 c ab 1 c cab
1 c 1
13.
a)
Ecuacin vectorial: (x, y, z) (1, 0, 3) k(2, 1, 4), k R
x 1 2 k
Ecuaciones paramtricas: y k
z 3 4k
Ecuacin continua:
kR
x 1 y
z 3
2
1
4
b) Para que Q sea un punto de r, sus coordenadas han de satisfacer la ecuacin

de la recta, i.e.:
x 1 y ( 3) 3 3
de donde:
2
1
4
2
x 1 3 x 4
y
As pues, el punto ser Q(4,3/2,3).
3
2
68
FUOC PID_00151937
14.
x ( 2) y 1 z 1
a) Ecuacin general:
3
1
2 0
2
2
1
x 2 y 1 z 1
A(x, y, z) = 3
2 , A(x, y, z) 3 x 9 y 4 z
1
2
1
2
Por tanto, la ecuacin general del plano ser: 3x y 4z 9 = 0

b) Para que Q pertenezca al plano, ha de verificar la ecuacin del mismo, i.e.:
3(x) (3) 4(0) 9 = 3x 6 = 0 x = 2
As pues, el punto ser Q(2, 3, 0)
15.
a) La matriz M ser (entendiendo que cada fila corresponde a las conexiones
desde un sitio web origen hacia los sitios web destino):
AB C DE
0
M 1
0
1 0 0 0 AA
0 1 0 0 BB
site origen
0 0 1 0 C
C
D
0 0 0 1 D
E
0 1 0 0 E
b) Ahora, la nueva matriz ser:

AB C DE
1
N 0
0
0 1 0 0 AA
0 0 1 0 BB
site origen
1 0 0 1 CC
0 1 0 0 DD
E
0 0 1 0
c) Se comprueba que N = M2, i.e., M2 nos proporciona los enlaces indirectos

a travs de una conexin (site):
AB C DE
1
2
M 0
0
A
0 1 0 0 A
B
0 0 1 0 B
1 0 0 1 C
C
0 1 0 0 D
D
E
0 0 1 0
Se puede comprobar que M3 proporciona los enlaces indirectos a travs de dos

conexiones, M4 los enlaces indirectos a travs de tres conexiones, etc.
69
FUOC PID_00151937
d) Calculemos M M2:
AB C DE
1
M M2 1
0
1 1 0 0 AA
0 1 1 0 BB
1 0 1 1 CC
D
0 1 0 1 D
E
0 1 1 0
La matriz obtenida representa los enlaces, bien directos o bien a travs de una
conexin, entre los web sites.
16.
a) La matriz buscada puede ser la siguiente (observar que no tiene por qu ser
nica, ya que puede variar en dimensiones):
13
1
15
1
1 1
28 28
4 4
14 9
A partir de esta matriz, no resultara excesivamente complicado (para un especialista) obtener el texto original. Por ejemplo, el valor 1 se repite con bastante
frecuencia, lo que denota que probablemente se trate de una vocal. Lgicamente, cuanto ms largo sea el texto, tanto ms fcil ser detectar patrones en
la secuencia que ayuden a su decodificacin.
b) Podemos obtener una codificacin bastante ms sofisticada si multiplicamos la matriz anterior por otra matriz (la de codificacindecodificacin):
13 14 9
1 1 1
M=
<-- secuencia original
15 28 28
1 4 4
5
8
C=
7
2 7 3
<-- matriz de codificacin-decodificacin
2 4 6
7 5 10
2
127 102
93
2
94
134
CM=
<-- secuencia codificada
147 188 153
215 200
117
FUOC PID_00151937
70
Resulta evidente que, a menos que se conozca la matriz de codificacindecodificacin empleada, no ser sencillo descubrir patrones en la secuencia que
proporcionen pistas sobre el texto original.
17.
a) Como se puede comprobar en la imagen siguiente, tanto det(B) como

det(A) son no nulos y, por tanto, ambos conjuntos de vectores son linealmente independientes.
Con la Wiris podemos verlo de dos formas: bien usando determinantes:
o bien, directamente, con el comando correspondiente:
Adems, es claro que dim R3 = 3 y, por lo tanto, A y B son bases de R3.
La imagen siguiente muestra cmo se pueden encontrar las coordenadas de v

en B y en A, respectivamente, haciendo servir la idea de matriz inversa:
Adems, con la Wiris se pueden resolver ecuaciones que resultan de igualar un

vector a 0 y, por tanto, podramos haberlo hecho aplicando directamente el
enunciado:
FUOC PID_00151937
71
b) La matriz CB del cambio de base de B a A es:
A continuacin comprobamos, utilizando esta matriz CB, los resultados de a),

ya que el cambio de coordenadas del vector que tiene coordenadas (152/115,
16/115, 5/23) en B, debe proporcionar las coordenadas (2/5, -3/5, -1/5) en A.
Recordad que con la Wiris se pueden poner los vectores horizontales y el
programa ya los entiende verticales. En efecto, se cumple lo que hemos
dicho:
18.
La matriz M ser (entendiendo que cada fila corresponde a las conexiones desde un lugar web origen hacia los lugares web destino):
Segn se explica en el ejercicio de autoevaluacin 14, pgina 65, la matriz N

que nos piden ser N3= M + M2 + M3, i.e.:
Los elementos 0 que hay en N significan que no hay enlace directo, ni mediante
una conexin ni mediante dos. Los elementos 1 significan que hay un nico enlace (el cual ser o bien directo, o bien mediante una conexin o bien mediante
dos conexiones). Adems, los elementos 2 indican que se puede hacer el enlace
de dos formas distintas (i.e., uno con una conexin y el otro con dos, etc.). Hay
que observar tambin que, a pesar de que el grafo inicial presenta pocos enlaces
directos, al considerar las conexiones de hasta orden 2 nos percatamos de que casi
todas las webs estn a una distancia de tres clics de ratn.
FUOC PID_00151937
72
19.
a), b) y c): La dimensin de M es 10 10 (10 filas por 10 columnas):
Con la ayuda de la calculadora Wiris hallamos el determinante de la matriz:
d)
El producto de matrices NO es conmutativo, a pesar de que en este caso particular del ejercicio s lo sea.
FUOC PID_00151937
73
Glosario
adjunto del elemento aij de una matriz cuadrada m Determinante menor complementario del elemento aij con el signo (1)ij donde i, j son los ndices de la fila y la columna
que ocupa el elemento.
base de un espacio (o un subespacio) vectorial f Conjunto de vectores linealmente independientes, tales que todo vector del espacio (o el subespacio) es combinacin lineal de
stos.
base ortogonal f Base cuyos vectores, tomados dos a dos, son ortogonales entre s.
base ortonormal f Base ortogonal que, adems, est compuesta por vectores unitarios.
determinante m Dada una matriz cuadrada, el determinante es un nmero que se calcula
a partir de sus elementos y que proporciona informacin sobre la independencia lineal de
sus filas (y de sus columnas).
dimensin de un espacio (o un subespacio) vectorial f Nmero mximo de vectores
linealmente independientes que contiene este espacio y que es igual al nmero de vectores
de cualquier base del espacio (o subespacio).
espacio vectorial sobre R m Conjunto dotado de una operacin interna que recibe el nombre de suma y una multiplicacin por escalares reales con ciertas propiedades especficas.
generadores de un espacio (o subespacio) vectorial m Todo conjunto de vectores tales que todo vector del espacio (o subespacio) se puede poner como combinacin lineal del
conjunto de generadores.
independencia lineal de vectores f Dado un conjunto {v1, ..., vk} de vectores, es linealmente independiente si la ecuacin k1v1 ... kkvk = 0 implica k1 = ... = kk = 0. En caso contrario decimos que son linealmente dependientes.
matriz f Tabla de nmeros en forma de n filas y m columnas. Esto ser una matriz n m.
matriz inversa f Aquella que presentan las matrices cuadradas que tienen determinante
diferente de cero. Su producto con la matriz dada, tanto por la izquierda como por la derecha,
es la matriz identidad.
menor adj Dada una matriz, se llama menor o determinante menor a cualquier determinante
de la matriz cuadrada que se forme con los elementos de la matriz correspondientes a k filas
y k columnas, suprimiendo las restantes. Las filas y columnas no deben coincidir necesariamente.
menor complementario adj Dada una matriz cuadrada, llamamos menor complementario de un elemento aij, al determinante menor que se forma suprimiendo la fila i y la columna j.
mdulo o norma de un vector Es la longitud de un vector. Se obtiene al calcular la raz
cuadrada del producto escalar del vector por s mismo.
rango de un conjunto de vectores m Nmero mximo de vectores linealmente independientes que contiene.
subespacio vectorial m Subconjunto de un espacio vectorial que tiene estructura de espacio vectorial.
subespacio vectorial generado m Dado un conjunto de vectores {v1, ..., vk}, el subespacio
que genera es el conjunto de todos los vectores que son combinacin lineal de los vectores
del conjunto.
vector m Llamamos vectores a los elementos de un espacio vectorial. Los vectores del espacio vectorial numrico n-dimensional estn formados por una matriz de una sola columna
(o una sola fila) de n elementos.
vector unitario Todo vector cuyo mdulo sea 1.
vectores ortogonales Dos vectores son ortogonales si su producto escalar vale 0.
FUOC PID_00151937
74
Bibliografa
Bibliografa bsica
Anton, H. (2002). Introduccin al lgebra Lineal. Ed. Limusa Wiley.
Libro completo que trata con profundidad los conceptos desarrollados en este mdulo. Incluye bastantes demostraciones, ejemplos y actividades resueltas.
Gonzlez, F.; Villanova, J. (1985). Curso Prctico de Matemticas COU. Edunsa.
Contiene buenos resmenes tericos y abundantes ejercicios resueltos o con solucin.
Lay, M. (1999). lgebra Lineal y sus Aplicaciones. Prentice-Hall.
Libro completo, especialmente orientado a las aplicaciones del lgebra lineal en diversos
campos.
Vizmanos, J.; Anzola, M. (1995). Matemticas I. Editorial SM.
Explica con claridad los conceptos e incluye abundantes ejemplos.
Bibliografa complementaria
Bermdez, L. y otros (1995). lgebra Lineal. Ediciones Media.
Fraleigh, J.; Beauregard, R. (1989). lgebra Lineal. Addison-Wesley.
Hernndez, E. (1994). lgebra y geometra. Addison-Wesley.
Lipschutz, S. (1992). lgebra Lineal. McGraw-Hill.
Meyer, C. (2004). Matrix Analysis and Applied Algebra. En: http://matrixanalysis.com
Porter, G.; Hill, D. (1996). Interactive Linear Algebra. Springer-Verlag.
Sydsaeter, K.; Hammond, P. (1996). Matemticas para el Anlisis Econmico. Prentice-Hall.

Elementos de Algebra Lineal y Geometria M2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Elementos de Algebra Lineal y Geometria M2

Transféré par

Droits d'auteur :

Formats disponibles

Elementos

Elementos de lgebra lineal y geometra

1. Ejemplo introductorio .....................................................................

2. Espacios vectoriales ..........................................................................

2.1. Vectores en el espacio R ................................................................

2.2. Definicin de espacio vectorial real ............................................... 10

Elementos de lgebra lineal y geometra

Elementos de lgebra lineal y geometra

El objetivo general de este mdulo es revisar los conceptos y mtodos bsicos

Elementos de lgebra lineal y geometra

Elementos de lgebra lineal y geometra

En otras palabras: si hoy la LAN se encuentra en estado A, la probabilidad de

Las preguntas de este ejemplo

Elementos de lgebra lineal y geometra

El concepto de vector aparece usualmente en diversos contextos matemticos,

2.1. Vectores en el espacio Rn

el segmento orientado que tiene origen en P y fin en Q. El vector v = PQ tiene

por componentes o coordenadas v = PQ = (q1 p1, q2 p2). Vase figura 1.

Dados los puntos P(5, 5) y Q(7, 2) el vector PQ es el vector de origen en P

y extremo en Q, i.e.: PQ = (7, 2) (5, 5) = (2, 3).

Por otra parte, el vector QP tiene origen en Q y extremo en P, i.e.: QP =

= (5, 5) (7, 2) = (2, 3) = (2, 3) = PQ .

en P y extremo en Q, i.e.: PQ = (3,1,0) (2,3,1) = (5,4,1).

QP = (2,3,1) (3,1,0) = (5,4,1) = (5,4,1) = PQ

vector v = PQ como el segmento orientado que tiene origen en P y fin

en Q. El vector PQ tiene por componentes o coordenadas:

Elementos de lgebra lineal y geometra

Elementos de lgebra lineal y geometra

2.2. Definicin de espacio vectorial real

cio vectorial. En este apartado, generalizaremos dicho concepto:

A los elementos de un espacio vectorial se les suele llamar vectores.

Ejemplo 5. De espacios vectoriales reales

CI(x) el conjunto de funciones reales continuas definidas en I, () la suma

Elementos de lgebra lineal y geometra

Otro ejemplo de subespacio vectorial de (R3, , ) lo encontramos en el conjunto W {( x, y , z) R 3 x y z = 0} y su representacin geomtrica es

2.3. Combinacin lineal. Subespacio generado

Elementos de lgebra lineal y geometra

2.4. Dependencia e independencia lineal. Base y dimensin

k1 u1 k2 u2 ... kn un = 0, tiene slo la solucin trivial ki = 0 i = 1, 2, ..., n.

k (1, 0) h (0, 1) = (0, 0)

Elementos de lgebra lineal y geometra

Elementos de lgebra lineal y geometra

Elementos de lgebra lineal y geometra

Proposicin. Sea (V, , ) un espacio vectorial real de dimensin n.

c1, , cn se llaman coordenadas de v en la base B.

Sea W un subespacio de un espacio vectorial V. Un conjunto de vectores

Elementos de lgebra lineal y geometra

3.1. Concepto de matriz

Un sistema de ecuaciones lineales como el anterior puede representarse de una

En general, una matriz A es una tabla compuesta por m n elementos

Elementos de lgebra lineal y geometra

b) A tiene dimensin 2 3 mientras que At tiene dimensin 3 2.

3.2. Tipos de matrices

Dada una matriz A de dimensin m n, se dice que:

Elementos de lgebra lineal y geometra

Elementos de lgebra lineal y geometra

A es una matriz cuadrada de orden n si tiene el mismo nmero de

A es una matriz cuadrada simtrica si A = At

Matrices cuadradas simtricas:

Elementos de lgebra lineal y geometra

Matrices de tipo triangular superior:

Matrices de tipo triangular inferior:

Matrices cuadradas diagonales: